La modélisation du choix des marques par le modèle Multinominal Logit et les réseaux de neurones artificiels: proposition d'une approche hybride

Abstract

Le modèle Multinomial Logit peut être interprété comme un cas particulier de perception multicouches à sortie Softmax, lorsque le perception est limité à une fonction d'utilité linéaire. Suffisamment flexible pour modéliser des choix résultant d'effets non-linéaires, sans spécifier a priori leur nature, l'approche neuronale ne souffre pas de biais de spécification. Les avantages respectifs des deux modèles étant complémentaires, ils peuvent être combinés pour tenir compte à la fois des non-linéarités potentielles et améliorer l'interprétabilité du modèle. Cette démarche est illustrée par un exemple artificiel et appliquée à des données lecture optique.