• Citer

Typologie des anomalies, un cadre pour l'action : le cas du Machine Learning

par Boydens, Isabelle ;HAMITI, Gani G. H.
Organisme financeur Smals Research
Publication Publié, 2022-10-18

Rapport

• Détails
• Contenu

Résumé :

La qualité d’une donnée désigne son adéquation aux usages et objectifs visés (« fitness for use ») (Boydens, 1999, Boydens 2014). Dans cet article nous allons voir comment une typologie rigoureuse des anomalies offre un cadre pour l’amélioration de la qualité des données, dans de nombreux domaines, dont le machine learning. A propos du ML, dans un article ultérieur, nous montrerons comment cette technique peut améliorer les fonctionnalités d’un “data quality tool”, par exemple dans les opérations de matching, comme annoncé dans notre article de décembre 2021.