قاموس الذكاء الاصطناعي
القاموس الكامل للذكاء الاصطناعي
Modèle Surrogat
Modèle d'apprentissage automatique simple et interprétable entraîné pour approximer le comportement d'un modèle complexe, permettant ainsi de comprendre les prédictions du modèle original.
Modèle Global Surrogat
Modèle interprétable qui imite le comportement global d'un modèle boîte noire sur l'ensemble du jeu de données, fournissant une vue d'ensemble des décisions du modèle complexe.
Modèle Local Surrogat
Modèle simple qui approxime le comportement d'un modèle complexe uniquement dans un voisinage spécifique d'une prédiction individuelle, expliquant ainsi les décisions au niveau local.
Fidélité du Modèle
Mesure de la capacité d'un modèle surrogat à reproduire fidèlement les prédictions du modèle boîte noire original, souvent évaluée par le coefficient de détermination R² ou l'erreur quadratique moyenne.
Arbre de Décision Surrogat
Arbre de décision simple utilisé comme modèle surrogat pour approximer le comportement d'un modèle complexe, offrant une interprétation visuelle intuitive des règles de décision.
Pertinence des Caractéristiques
Mesure quantitative de l'importance relative de chaque caractéristique d'entrée dans les prédictions d'un modèle, calculée à travers les coefficients du modèle surrogat ou d'autres méthodes de pondération.
Régression Linéaire Locale
Modèle surrogat linéaire ajusté sur un sous-ensemble pondéré de données autour d'une prédiction spécifique, permettant d'expliquer localement les relations entre caractéristiques et prédiction.
Explications Contre-factuelles
Approche qui génère des exemples modifiés minimales pour changer la prédiction d'un modèle, souvent implémentée via des modèles surrogats pour identifier les caractéristiques critiques.
Complexité du Modèle
Mesure de la sophistication structurelle d'un modèle, où les modèles surrogats privilégient une faible complexité (arbres peu profonds, modèles linéaires) pour garantir l'interprétabilité.
Approximation par Morceaux
Stratégie où l'espace des caractéristiques est divisé en régions, chacune ayant son propre modèle surrogat simple, permettant une approximation flexible tout en maintenant l'interprétabilité locale.
Pondération par Noyau
Technique utilisée dans les modèles surrogats locaux pour donner plus de poids aux échantillons proches du point d'intérêt, assurant une meilleure approximation locale du comportement du modèle.
Échantillonnage Perturbé
Méthode de génération de données synthétiques autour d'une prédiction en perturbant les caractéristiques originales, utilisée pour entraîner des modèles surrogats locaux sur des voisinages pertinents.
Validité Interprétative
Critère d'évaluation qui mesure si les explications fournies par un modèle surrogat sont cohérentes avec les connaissances du domaine et utiles pour la prise de décision humaine.
Fonction de Substitution
Représentation mathématique simplifiée qui approxime la fonction de décision complexe du modèle original, essentielle pour rendre les prédictions compréhensibles aux utilisateurs non techniques.