BENFODDA, MohamedSAID, DjillaliBENOMAR, Mohammed Lamine2024-04-282024-04-282020http://dspace.univ-temouchent.edu.dz/handle/123456789/3818Notre travail consistait à extraire des connaissances à partir d’une base de données en ligne de STEG, afin de détecter les fraudes dans la consommation d'électricité et du gaz. Pour cela nous avons utilisé le classifieur XGBoost, qui fait partie des meilleurs algorithmes de classification pour l'apprentissage automatique pour ce type de problème, et nous avons vu les résultats obtenus avec un taux de précision de 95,00% et un score de 88,79%, ce qui nous a permis d'occuper la deuxième place du Challenge Zindi. Ces résultats stimulants nous motivent à en apprendre davantage dans le domaine de l'IA et de l'apprentissage automatique, et à participer à d'autres défis à l'avenir.otherThesis