Une entreprise doit classer des gènes humains en 20 catégories et a besoin d'un algorithme dont le processus de décision interne peut être documenté et inspecté. Quel algorithme d'apprentissage automatique répond à cette exigence ?

Les arbres de décision sont un excellent choix car ils sont intrinsèquement interprétables. Leur structure hiérarchique permet de visualiser et de documenter clairement les règles de décision utilisées pour la classification, répondant ainsi à l'exigence d'inspectabilité. La régression linéaire et la régression logistique sont des modèles plus simples, mais ne sont pas idéales pour la classification multi-classes (20 catégories) et n'offrent pas la même transparence dans le processus de décision. Les réseaux neuronaux, bien que puissants pour la classification multi-classes, sont des modèles de type "boîte noire", rendant leur processus de décision interne difficile à documenter et à inspecter.