Glossaire IA
Le dictionnaire complet de l'Intelligence Artificielle
L1 Regularization (Lasso)
Technique de régularisation qui pénalise la somme des valeurs absolues des coefficients, forçant certains à zéro pour effectuer une sélection automatique des variables pertinentes.
Tree-based Feature Importance
Méthode évaluant l'importance des caractéristiques par leur contribution à la réduction d'impureté (Gini ou entropie) dans les arbres de décision et ensembles comme Random Forest.
Sequential Forward Selection (SFS)
Algorithme glouton qui ajoute itérativement la caractéristique améliorant le plus la performance du modèle, en partant d'un ensemble vide jusqu'à atteindre le nombre désiré de variables.
Sequential Backward Selection (SBS)
Approche wrapper qui élimine séquentiellement la caractéristique dont la suppression dégrade le moins la performance du modèle, en partant de l'ensemble complet de variables.
Correlation-based Feature Selection (CFS)
Méthode évaluant les sous-ensembles de caractéristiques selon leur corrélation avec la classe et leur faible corrélation inter-variables pour éviter la redondance.
ANOVA F-value
Test statistique calculant le rapport entre la variance inter-classe et intra-classe pour évaluer le pouvoir discriminant des caractéristiques numériques dans les tâches de classification.
ReliefF Algorithm
Algorithme de sélection basé sur les instances qui met à jour les poids des caractéristiques en fonction de leur capacité à distinguer les voisins proches de la même classe et des classes différentes.