Metodi di interpretabilità e spiegabilità per modelli ensemble basati su alberi: sviluppi teorici e applicazioni in ambito economico
Aperto il: 07/05/2026
Scadenza: 01/06/2026
Gruppo Scientifico-Disciplinare
13/STAT-01 - Statistica
Descrizione
Il progetto si concentra sull'intersezione tra il Machine Learning avanzato e la trasparenza decisionale. Sebbene i modelli ensemble basati su alberi (come Random Forest e XGBoost) offrano elevate prestazioni predittive, la loro natura di "scatola nera" ne limita l'adozione in settori regolamentati. Questa ricerca mira a sviluppare e affinare metodi di Explainable AI(XAI) per rendere tali modelli interpretabili senza sacrificarne l'accuratezza. La parte teorica esplora nuove metriche di attribuzione dell'importanza delle variabili, mentre la parte applicativa valida questi strumenti su dataset economici, affrontando problemi complessi come il credit scoring, la previsione dei mercati finanziari e l'analisi delle politiche pubbliche.
Ente finanziatore
MUR
Come candidarsi
Other
Visualizza il bando originale sul sito del MUR: Vai al sito MUR