Glossaire IA
Le dictionnaire complet de l'Intelligence Artificielle
Expected Calibration Error (ECE)
Métrique quantitative qui évalue la calibration d'un modèle en calculant la différence moyenne pondérée entre la confiance prédite et l'exactitude observée sur des intervalles de confiance discrets.
Maximum Calibration Error (MCE)
Métrique de calibration qui identifie la déviation maximale entre confiance et exactitude sur tous les intervalles de confiance, utile pour détecter les pires cas de miscalibration.
Adaptive Calibration Error (ACE)
Variante de l'ECE qui utilise des intervalles de confiance adaptatifs avec un nombre égal d'échantillons par bin, réduisant la variance et l'influence du nombre de bins sur la mesure.
Static Calibration Error (SCE)
Métrique de calibration qui évalue la calibration moyenne sur tous les bins sans pondération par la distribution des prédictions, donnant un poids égal à tous les intervalles de confiance.
Native Calibration
Calibration obtenue directement pendant l'entraînement du modèle grâce à des techniques comme le label smoothing ou les fonctions de perte spécifiques, sans nécessiter d'étape de calibration séparée.
Confidence Histogram
Distribution des fréquences des prédictions organisées par intervalles de confiance, utilisée pour analyser le comportement du modèle et identifier les régions de miscalibration.
Binning Strategy
Méthode de partitionnement de l'espace de confiance en intervalles discrets pour le calcul des métriques de calibration, influençant la précision et la stabilité des estimations d'erreur.