🏠 Home
Benchmark Hub
📊 All Benchmarks 🦖 Dinosaur v1 🦖 Dinosaur v2 ✅ To-Do List Applications 🎨 Creative Free Pages 🎯 FSACB - Ultimate Showcase 🌍 Translation Benchmark
Models
🏆 Top 10 Models 🆓 Free Models 📋 All Models ⚙️ Kilo Code
Resources
💬 Prompts Library 📖 AI Glossary 🔗 Useful Links

AI Glossary

The complete dictionary of Artificial Intelligence

162
categories
2,032
subcategories
23,060
terms
📖
terms

CART (Classification and Regression Trees)

Algorithme d'arbre de décision qui peut être utilisé pour la classification et la régression. CART utilise l'indice de Gini comme critère de partitionnement pour la classification et l'erreur quadratique moyenne pour la régression.

📖
terms

ID3 (Iterative Dichotomiser 3)

Algorithme pionnier d'arbre de décision développé par Ross Quinlan qui utilise le gain d'information pour sélectionner les attributs de partitionnement. ID3 fonctionne uniquement avec des attributs catégoriels et des cibles de classification à classes multiples.

📖
terms

C4.5

Amélioration de l'algorithme ID3 qui peut gérer les attributs manquants et les attributs continus en les discrétisant. C4.5 utilise le ratio de gain plutôt que le gain d'information pour éviter le biais envers les attributs avec de nombreuses valeurs.

📖
terms

Feuille (ou nœud terminal)

Nœud final d'un arbre de décision qui ne se divise plus et contient la prédiction finale. Les feuilles représentent les classes de sortie pour la classification ou les valeurs continues pour la régression.

📖
terms

Critère de partitionnement

Méthode utilisée pour évaluer la qualité d'une division à un nœud interne de l'arbre. Les critères courants incluent le gain d'information, l'indice de Gini et la réduction de variance.

📖
terms

Élagage (pruning)

Technique de réduction de la complexité d'un arbre de décision en supprimant les branches qui ont peu de pouvoir prédictif. L'élagage aide à prévenir le surapprentissage et améliore la généralisation du modèle.

📖
terms

Variable de décision

Attribut ou caractéristique utilisé à un nœud interne de l'arbre pour partitionner les données. Les variables de décision peuvent être catégorielles (requérant une égalité) ou numériques (requérant une comparaison de seuil).

📖
terms

Ensemble de test

Sous-ensemble des données utilisé pour évaluer la performance d'un arbre de décision après son entraînement. L'ensemble de test ne doit pas être utilisé pendant la phase d'apprentissage pour garantir une évaluation impartiale du modèle.

🔍

No results found