Correction d’un modèle biaisé par déséquilibre structurel des données

Scénario

Contexte : Un modèle de scoring présente des performances inégales selon certains segments. Le Problème : Le dataset d’entraînement introduit un biais indirect. Extrait logique actuelle : criterion = CrossEntropyLoss() Sans pondération. Contraintes : Introduire pondération des classes. Analyser métriques segmentées. Évaluer impact sur équité. Livrable attendu : Proposer une stratégie complète de mitigation du biais dans un modèle PyTorch.

Compétences ciblées