Glossaire IA

Feature Cross

Technique créant de nouvelles caractéristiques en combinant deux ou plusieurs caractéristiques existantes pour capturer des relations non linéaires entre variables.

Polynomial Feature Generation

Feature Interaction Detection

Algorithme identifiant automatiquement les interactions significatives entre caractéristiques pour générer des variables combinées pertinentes.

Feature Importance Ranking

Algorithme classant automatiquement les caractéristiques selon leur contribution prédictive en utilisant des métriques comme Gini importance ou permutation importance.

Feature Extraction Automatisée

Technique transformant automatiquement des données de haute dimension en un espace de dimension inférieure tout en préservant l'information pertinente.

Feature Transformation Automatisée

Application automatique de transformations mathématiques (log, sqrt, box-cox) aux caractéristiques pour améliorer leur distribution et normalité.

Feature Scaling Automatisée

Normalisation ou standardisation automatique des caractéristiques pour les mettre sur une échelle commune, essentiel pour de nombreux algorithmes ML.

Feature Encoding Automatisé

Conversion automatique de variables catégorielles en représentations numériques appropriées comme one-hot encoding, target encoding ou embeddings.

Feature Discretization Automatisée

Processus convertissant automatiquement des variables continues en intervalles discrets en utilisant des méthodes comme equal-width ou equal-frequency binning.

Feature Aggregation Automatisée

Génération automatique de caractéristiques agrégées (moyenne, somme, max) à partir de groupes de données pour capturer des informations statistiques.

Text Feature Engineering Automatisé

Extraction automatique de caractéristiques à partir de données textuelles incluant TF-IDF, n-grammes, embeddings sémantiques et métriques linguistiques.

Feature Space Exploration

Exploration systématique et automatique de l'espace des caractéristiques possibles pour identifier les transformations optimales.

Feature Pruning Automatisé

Élagage automatique des caractéristiques redondantes ou peu informatives pour réduire la complexité du modèle et éviter le surapprentissage.

Feature Creation par Deep Learning

Utilisation de réseaux de neurones profonds pour apprendre automatiquement des représentations de caractéristiques hiérarchiques et abstraites.

Feature Engineering Génétique

Application d'algorithmes génétiques pour faire évoluer et optimiser automatiquement des ensembles de caractéristiques sur plusieurs générations.

Meta-Feature Engineering

Génération automatique de méta-caractéristiques décrivant les propriétés statistiques et structurelles des données originales.