Mining Rules on Tabular Data
Fouille de règles dans des données tabulaires
Résumé
Recent years have seen the rise of highly powerful machine-learning models, particularly deep-learning approaches. Their main drawback lies in their “black box” nature: the decision logic remains largely opaque. As a result, deploying them is delicate in critical contexts, for example security, health care, and justice, or more generally wherever users or citizens need to understand an algorithmic prediction. In Europe in particular, the General Data Protection Regulation (GDPR) and other legal frameworks increasingly require algorithmic recommendations to be explainable. The scientific community has therefore turned to Explainable Artificial Intelligence (XAI), which aims either to produce interpretable models or to explain existing ones.In the tabular setting, one has a set of columns (attributes) and many rows (observations), and one typically seeks to explain a model's prediction for each observation. We argue that the need for explanation goes beyond this single objective: any tabular dataset may call for explanations that are understandable by humans. Consider, for example, the operator of a large fleet of aircraft who maintains a table of technical incidents that required intervention. It is useful to know whether incidents occur primarily on a certain aircraft model, whether specific parts fail under certain weather conditions, or whether recently repaired aircraft are more prone to new failures. Such findings, readable by humans, can inform maintenance, logistics, and production.Similarly, imagine an income table including occupation, seniority, gender, ethnicity, company, and location. One may wish to analyze how these factors influence salaries without restricting analysis to a single target column, by exploring, for instance, correlations between company and ethnicity, or cross-row patterns: among people in the same occupation and of the same gender, do those who earn less than the median tend to belong to a particular age group? Such explanations can guide feature engineering, anomaly detection, missing-value imputation, and even the design of recruitment policies, while remaining intelligible to decision-makers.We do not claim to settle the debate between correlation and causation, nor to redefine what qualifies as an “explanation.” Our objective is more modest and more practical: to make sense of tabular data in human-understandable terms by identifying patterns that genuinely help to apprehend them. Recent advances in sub-symbolic learning only underscore the need for symbolic approaches to interpretability. We therefore propose to construct, directly from tabular data, a symbolic model, based on rules and relational constraints, that captures useful and interpretable regularities.
Ces dernières années ont vu l'essor de modèles d'apprentissage automatique très puissants, en particulier les approches d'apprentissage profond. Leur principal écueil tient à leur caractère de « boîte noire » : la logique de décision demeure largement opaque. De ce fait, leur déploiement est délicat dans des contextes critiques, par exemple la sécurité, la santé et la justice, ou, plus généralement, partout où l'usager ou le citoyen a besoin de comprendre une prédiction algorithmique. En Europe notamment, le Règlement général sur la protection des données (RGPD) et d'autres cadres juridiques exigent de plus en plus que les recommandations algorithmiques soient explicables. La communauté scientifique s'est ainsi tournée vers l'Intelligence Artificielle Explicable (XAI), qui vise à produire des modèles interprétables ou à expliquer des modèles existants.Dans le cadre tabulaire, on dispose d'un ensemble de colonnes (attributs) et d'un grand nombre de lignes (observations), et l'on cherche classiquement à expliquer la prédiction d'un modèle pour chaque observation. Nous soutenons que le besoin d'explication dépasse ce seul objectif : tout jeu de données tabulaires peut requérir des explications compréhensibles par l'humain. Considérons, par exemple, l'exploitant d'une grande flotte d'avions qui maintient un tableau d'incidents techniques ayant nécessité une intervention. Il est utile de savoir si les incidents surviennent surtout sur un certain modèle d'appareil, si des pièces spécifiques tombent en panne sous certaines conditions météorologiques, ou si les avions récemment réparés sont plus sujets à de nouvelles défaillances. De tels constats, lisibles par des humains, peuvent éclairer la maintenance, la logistique et la production.De même, imaginons un tableau de revenus comprenant profession, ancienneté, sexe, appartenance ethnique, entreprise et localisation. On peut vouloir analyser l'influence de ces facteurs sur les salaires sans se limiter à une seule colonne cible, en explorant par exemple des corrélations entre entreprise et origine, ou des motifs inter-lignes : parmi les personnes d'une même profession et d'un même sexe, celles qui gagnent moins que la médiane ont-elles tendance à appartenir à une certaine tranche d'âge ? De telles explications peuvent guider l'ingénierie de variables, la détection d'anomalies, l'imputation de valeurs manquantes, voire la définition de politiques de recrutement, tout en restant intelligibles pour des décideurs.Nous ne prétendons pas trancher le débat entre corrélation et causalité, ni redéfinir ce qui mérite d'être appelé « explication ». Notre objectif est plus modeste et plus pratique : donner du sens aux données tabulaires en termes compréhensibles par l'humain, en identifiant des motifs qui aident réellement à les appréhender. Les avancées récentes en apprentissage symbolique rendent d'autant plus saillante la nécessité d'approches symboliques pour l'explicabilité. Nous proposons ainsi de construire, directement à partir des données tabulaires, un modèle symbolique, fondé sur des règles et des contraintes relationnelles, capturant des régularités utiles et interprétables.
| Origine | Version validée par le jury (STAR) |
|---|---|
| Licence |
