Glossaire IA
Le dictionnaire complet de l'Intelligence Artificielle
Machine Learning à Noyau
Ensemble de techniques permettant de transformer des données non linéairement séparables en un espace de plus grande dimension où elles deviennent linéairement séparables, principalement utilisé avec les SVM pour l'analyse de sentiment.
Vectorisation TF-IDF
Méthode de pondération qui évalue l'importance d'un mot dans un document par rapport à une collection de documents, cruciale pour transformer le texte en features numériques pour les algorithmes classiques.
Rapport de Classification
Métrique complète incluant la précision, le rappel et le F1-score pour chaque classe de sentiment (positif, négatif, neutre), fournissant une évaluation détaillée des performances du modèle.
Sous-apprentissage (Underfitting)
Situation où le modèle est trop simple pour capturer la complexité des données d'entraînement, résultant en de mauvaises performances généralisées sur l'analyse de sentiment.
Stop Words
Mots courants (articles, prépositions, conjonctions) souvent supprimés lors du prétraitement car ils portent peu de sens discriminant pour la classification de sentiment.
Équilibrage des Classes
Technique de traitement des données pour corriger la distribution inégale des classes de sentiment, essentiel pour éviter les biais de prédiction en faveur de la classe majoritaire.
Entraînement Supervisé
Paradigme d'apprentissage où le modèle est entraîné sur un dataset annoté avec les étiquettes de sentiment correctes, lui permettant d'apprendre la fonction de mapping entre les textes et leurs polarités.