Glossaire IA
Le dictionnaire complet de l'Intelligence Artificielle
Graphique de Dépendance Partielle Individuelle (ICE)
Représentation graphique qui trace la prédiction pour chaque observation individuelle en fonction d'une caractéristique, révélant l'hétérogénéité des effets que le PDP masque.
Diagramme de Shapley
Visualisation de la contribution de chaque caractéristique à une prédiction spécifique, basée sur les valeurs de Shapley de la théorie des jeux pour garantir une répartition équitable de l'impact.
Graphique d'Importance Globale de SHAP
Graphique en barres qui classe les caractéristiques par leur impact moyen sur la magnitude de la prédiction du modèle, calculé en prenant la valeur absolue moyenne des valeurs SHAP.
Diagramme en Essaim de SHAP (SHAP Beeswarm)
Visualisation combinant l'importance des caractéristiques et leur influence, où chaque point est une valeur SHAP pour une prédiction, positionnée sur l'axe des caractéristiques et colorée par la valeur de la caractéristique.
Graphique d'Interaction de SHAP
Visualisation qui met en évidence les effets d'interaction entre les caractéristiques, montrant comment l'effet d'une caractéristique sur la prédiction dépend de la valeur d'une autre.
Carte de Chaleur LIME
Surimpression visuelle sur des données d'entrée (comme une image ou un texte) qui met en évidence les segments ou les mots ayant le plus contribué à la prédiction locale d'un modèle, selon la méthode LIME.
Arbre de Décision de Surrogat
Visualisation d'un arbre de décision simple entraîné pour imiter le comportement d'un modèle complexe (boîte noire), offrant une interprétation globale approximative des règles de décision du modèle.
Graphique de Contour d'ALE
Visualisation bidimensionnelle de l'effet accumulé local (ALE) pour une paire de caractéristiques, utilisant des contours pour montrer comment la prédiction change sur l'espace de ces deux caractéristiques.
Diagramme de Permutation d'Importance
Graphique en barres qui mesure et affiche la diminution de la performance d'un modèle lorsque les valeurs d'une caractéristique unique sont permutées aléatoirement, indiquant son importance prédictive.
Courbe d'Apprentissage d'Interprétabilité
Graphique qui trace la performance d'un modèle d'interprétabilité (comme un surrogat) en fonction de la quantité de données ou de la complexité autorisée, aidant à évaluer le compromis fidélité-interprétabilité.
Visualisation de Contre-factuels
Représentation graphique qui compare une instance originale à sa version modifiée (contre-factuelle) qui change la prédiction du modèle, en surlignant les caractéristiques qui ont été altérées.
Graphique de Fidélité du Surrogat
Nuage de points ou courbe qui compare les prédictions du modèle de surrogat (interprétable) aux prédictions du modèle original (boîte noire) pour évaluer la qualité de l'approximation.
Diagramme de Règles d'Ancreur (Anchors)
Visualisation qui présente un ensemble de conditions (l'ancre) qui garantissent de manière suffisante une prédiction, souvent sous forme de liste hiérarchique ou de diagramme de flux pour une explication locale.
Carte de Salience par Gradient
Carte de chaleur qui superpose les pixels d'une image d'entrée, où l'intensité de chaque pixel est proportionnelle à la magnitude du gradient de la sortie du modèle par rapport à ce pixel, indiquant son influence.
Graphique de Profondeur d'Arbre (Tree Depth Plot)
Histogramme ou diagramme à barres montrant la distribution de la profondeur des feuilles dans un modèle basé sur des arbres (comme Random Forest ou XGBoost), donnant un aperçu de la complexité et de la structure du modèle.
Visualisation de Chemin de Décision
Représentation graphique du chemin spécifique emprunté par une observation à travers les nœuds d'un arbre de décision ou d'une forêt d'arbres pour arriver à sa prédiction finale.
Graphique de Contribution par Nœud (Node Contribution Plot)
Pour les modèles de gradient boosting, visualisation qui décompose la prédiction finale en contributions de chaque feuille de chaque arbre, montrant comment chaque nœud ajuste la prédiction.