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

Thumbnail
Ouvrir
Date
2012
Indexation documentaire
Recherche opérationnelle
Subject
Choquet, Théorie de; Machine learning; Multiple criteria decision making
Titre du colloque
DA2PL'2012
Date du colloque
11-2012
Ville du colloque
Mons
Pays du colloque
Belgium
Titre de l'ouvrage
DA2PL 2012 proceedings
Auteur
Marc Pirlot, Vincent Mousseau
Nom de l'éditeur
Université de Mons
Ville de l'éditeur
Mons
Année
2012
URI
https://basepub.dauphine.fr/handle/123456789/11090
Collections
Métadonnées
Afficher la notice complète
Auteur
Bouyssou, Denis
989 Laboratoire d'analyse et modélisation de systèmes pour l'aide à la décision [LAMSADE]
Couceiro, Miguel
188786 Faculty of Science, Technology and Communication [Luxembourg] [FSTC]
Labreuche, Christophe
19045 Thales Research and Technology [Palaiseau]
Marichal, Jean-Luc
188786 Faculty of Science, Technology and Communication [Luxembourg] [FSTC]
Mayag, Brice
989 Laboratoire d'analyse et modélisation de systèmes pour l'aide à la décision [LAMSADE]
Type
Communication / Conférence
Nombre de pages du document
41-47
Résumé en anglais
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.