Thumbnail

Using Choquet integral in Machine learning: What can MCDA bring?

Bouyssou, Denis; Couceiro, Miguel; Labreuche, Christophe; Marichal, Jean-Luc; Mayag, Brice (2012), Using Choquet integral in Machine learning: What can MCDA bring?, dans Marc Pirlot, Vincent Mousseau, DA2PL 2012 proceedings, Université de Mons : Mons, p. 41-47

Voir/Ouvrir
Type
Communication / Conférence
Date
2012
Titre du colloque
DA2PL'2012
Date du colloque
2012-11
Ville du colloque
Mons
Pays du colloque
Belgium
Titre de l'ouvrage
DA2PL 2012 proceedings
Auteurs de l’ouvrage
Marc Pirlot, Vincent Mousseau
Éditeur
Université de Mons
Ville d’édition
Mons
Pages
41-47
Métadonnées
Afficher la notice complète
Auteur(s)
Bouyssou, Denis cc
Laboratoire d'analyse et modélisation de systèmes pour l'aide à la décision [LAMSADE]
Couceiro, Miguel
Faculty of Science, Technology and Communication [Luxembourg] [FSTC]
Labreuche, Christophe
Thales Research and Technology [Palaiseau]
Marichal, Jean-Luc
Faculty of Science, Technology and Communication [Luxembourg] [FSTC]
Mayag, Brice
Laboratoire d'analyse et modélisation de systèmes pour l'aide à la décision [LAMSADE]
Résumé (EN)
In this paper we discuss the Choquet integral model in the realm of Preference Learning, and point out advantages of learning simultaneously partial utility functions and capacities rather than sequentially, i.e., first utility functions and then capacities or vice-versa. Moreover, we present possible interpretation s of the Choquet integral model in Preference Learning based on Shapley values and interaction indices.
Mots-clés
Choquet, Théorie de; Machine learning; Multiple criteria decision making