A Reproducible Log-Driven AutoML Framework for Interpretable Pipeline Optimization in Healthcare Risk Prediction

Cette étude présente yvsoucom-iterkit, un framework AutoML déterministe et basé sur les logs pour l'optimisation de pipelines interprétables en prédiction de risque de santé. Il permet une analyse reproductible des composants du pipeline, montrant que la performance est déterminée par un petit sous-ensemble d'éléments interactifs comme l'augmentation, le choix du modèle et la gestion du déséquilibre.