Multi-Objective Machine Learning

Récemment, un intérêt croissant a été manifesté pour l'application du concept de Pareto-optimalité à l'apprentissage automatique, particulièrement inspiré par les développements réussis en optimisation multi-objectifs évolutive. Il a été démontré que l'approche multi-objectifs en apprentissage automatique est particulièrement efficace pour améliorer les performances des méthodes d'apprentissage automatique traditionnelles à objectif unique, générant des modèles multiples Pareto-optimaux très divers pour la construction de modèles d'ensemble, et atteignant un compromis souhaité entre la précision et l'interprétabilité des réseaux de neurones ou des systèmes flous. Cette monographie présente une collection sélectionnée de travaux de recherche sur l'approche multi-objectifs en apprentissage automatique, y compris la sélection de caractéristiques multi-objectifs, la sélection de modèles multi-objectifs dans l'entraînement de perceptrons multicouches, de réseaux à fonctions de base radiale, de machines à vecteurs de support et d'arbres de décision.