Ingénierie des variables
Travail qui transforme les données brutes en variables utiles au modèle, ancienneté, ratios, agrégats, indicateurs géographiques, où se loge souvent l'essentiel du savoir-faire métier et une bonne part des risques de discrimination.
Un modèle ne voit que les variables qu'on lui donne. L'ingénierie des variables consiste à construire, à partir des données brutes, celles qui portent réellement l'information pertinente : l'ancienneté d'un conducteur plutôt que sa date de permis, le nombre de sinistres des trois dernières années plutôt que la liste des sinistres, le rapport entre la valeur assurée et la surface, la distance au cours d'eau le plus proche plutôt que l'adresse, l'évolution d'un indicateur plutôt que son niveau. C'est souvent là que se joue l'essentiel de la performance d'un modèle, bien plus que dans le choix de l'algorithme, et c'est là que s'exprime le savoir-faire métier du souscripteur et de l'actuaire, qui savent quelles caractéristiques font le risque. Les modèles d'apprentissage profond construisent en partie leurs propres variables, mais sur les données tabulaires de l'assurance, le travail humain reste décisif. Il comporte aussi des risques. Une variable apparemment neutre peut servir de substitut à une caractéristique protégée, et une variable construite avec une information postérieure à la date de décision, fuite de données, donne au modèle une performance illusoire qui s'effondre en production.
Cas d'école : une équipe ajoute à son modèle habitation une variable calculée, la hauteur du bâtiment par rapport au niveau de la crue centennale la plus proche. Le pouvoir discriminant sur les sinistres inondation progresse davantage qu'avec le passage d'un modèle linéaire à un gradient boosting sur les variables d'origine.
feature engineering, construction de variables explicatives, création de variables
Suivez la recherche
Une lettre par semaine. En tête, la note de souscription de la semaine, quand il en paraît une : une décision datée et argumentée, signée de Paul Bernardski. Ensuite, ce que l'observatoire a publié en risque cyber, en risque politique et en assurance. Sans compte, sans suivi.
Pas de spam, désinscription en un clic, aucune donnée revendue.