* Comment puis-je vous contacter en cas de problème après une réparation ?

Je suis en train de développer une application mobile qui permet aux utilisateurs de suivre leurs dépenses personnelles. J’aimerais intégrer une fonctionnalité qui analyse les transactions et les catégorise automatiquement (par exemple, « Nourriture », « Logement », « Transport », « Loisirs », etc.).
Pour cela, j’envisage d’utiliser un algorithme de Machine Learning. J’ai déjà une base de données d’anciennes transactions avec des catégories attribuées manuellement. Cependant, je suis un peu perdu quant aux différentes approches possibles.
Alors, avec toutes ces informations en tête, quelle serait la meilleure approche de Machine Learning (par exemple, classification supervisée, apprentissage non supervisé, etc.) pour automatiser la catégorisation des transactions bancaires dans mon application mobile de suivi des dépenses, en tenant compte du fait que j’ai déjà un ensemble de données étiquetées d’anciennes transactions, et quels algorithmes spécifiques (par exemple, Random Forest, SVM, Naive Bayes, etc.) me conseillerais-tu d’explorer en priorité et pourquoi ? Quelles métriques d’évaluation devrais-je surveiller pour évaluer la performance de mon modèle? Et, enfin, quelles stratégies pourrais-je utiliser pour gérer le problème des données déséquilibrées (si certaines catégories sont beaucoup plus fréquentes que d’autres) ?

Answer

Answer this question and add details as further as you can and do not add any comments from your side, just return the answer, all written in French language: * Comment puis-je vous contacter en cas de problème après une réparation ?