Glossaire IA
Le dictionnaire complet de l'Intelligence Artificielle
Fidélité du Surrogate
Métrique évaluant dans quelle mesure le modèle surrogate reproduit fidèlement les prédictions du modèle complexe original sur un ensemble de données donné. Une fidélité élevée est essentielle pour garantir que les interprétations du surrogate reflètent correctement le comportement du modèle sous-jacent.
Modèle de Substitution Global
Modèle surrogate entraîné sur l'ensemble du jeu de données pour capturer les tendances générales et les relations globales du modèle complexe. Il fournit une vue d'ensemble du comportement du modèle mais peut manquer des nuances locales importantes.
Modèle de Substitution Local
Modèle surrogate entraîné sur un voisinage restreint autour d'une prédiction spécifique pour expliquer le comportement local du modèle complexe. Cette approche capture les variations fines et les interactions spécifiques à une région de l'espace des caractéristiques.
Perte d'Interprétabilité
Compromis inévitable entre la complexité d'un modèle surrogate et sa capacité à capturer précisément le comportement du modèle original. Un modèle trop simple risque de perdre des informations cruciales tandis qu'un modèle trop complexe perd son caractère interprétable.
Arbre de Décision Surrogate
Modèle surrogate utilisant une structure d'arbre de décision pour approximer le comportement d'un modèle complexe, offrant une interprétation visuelle intuitive. Les règles de décision générées permettent de comprendre facilement les seuils et interactions importantes dans le modèle original.
Régression Linéaire Surrogate
Modèle surrogate basé sur une régression linéaire pour approximer localement le comportement d'un modèle non-linéaire complexe. Les coefficients de la régression fournissent une mesure directe de l'importance et de l'influence de chaque caractéristique dans la prédiction.
Voisinage de Perturbation
Ensemble d'échantillons générés par perturbation d'une instance spécifique pour créer un dataset local sur lequel entraîner un modèle surrogate. La taille et la stratégie de perturbation influencent directement la qualité de l'interprétation locale obtenue.
Poids de Proximité
Coefficients attribués aux échantillons perturbés selon leur distance à l'instance d'intérêt lors de l'entraînement d'un surrogate local. Ces poids assurent que le modèle surrogate se concentre sur le comportement du modèle complexe dans la région pertinente.
Analyse de Sensibilité Globale
Utilisation de modèles surrogates globaux pour évaluer l'impact global de chaque caractéristique sur les prédictions du modèle complexe. Cette approche identifie les variables les plus influentes à l'échelle de l'ensemble du dataset.
Métrique de R² Surrogate
Coefficient de détermination utilisé pour quantifier la fidélité d'un modèle surrogate en mesurant la proportion de variance expliquée des prédictions du modèle original. Un R² proche de 1 indique une excellente approximation du comportement du modèle complexe.