Glossaire IA
Le dictionnaire complet de l'Intelligence Artificielle
Brier Score Multi-classe
Métrique d'évaluation de la calibration mesurant l'erreur quadratique moyenne entre les probabilités prédites et les indicateurs de vérité terrain sur toutes les classes.
Top-K Calibration
Extension de la calibration évaluant l'adéquation entre la probabilité que la vraie classe apparaisse dans les K prédictions les plus confiantes et sa fréquence empirique.
Platt Scaling Multi-classe
Généralisation de la régression logistique binaire au cas multi-classe via l'approche one-vs-all ou one-vs-one pour calibrer individuellement chaque classe.
Histogram Binning Multi-classe
Méthode non-paramétrique partitionnant l'espace de probabilité en intervalles et ajustant les prédictions par la fréquence empirique observée dans chaque bin pour toutes les classes.
Pairwise Calibration
Stratégie calibrant les probabilités relatives entre chaque paire de classes pour assurer une cohérence comparative dans l'espace multi-classe.
Reliability Diagram Multi-classe
Visualisation de la calibration comparant la confiance moyenne à la précision moyenne par bin pour évaluer graphiquement l'adéquation des prédictions multi-classe.
Isotonic Regression Multi-classe
Extension de la régression isotone au cas multi-classe via des approches like PAVA (Pool Adjacent Violators Algorithm) ou des variantes multi-sorties.
Bayesian Binning Quantile
Méthode de calibration déterminant optimalement les bornes des bins en utilisant des principes bayésiens pour minimiser l'erreur de calibration multi-classe.
Adaptive Calibration Error (ACE)
Variante de l'ECE utilisant des bins de taille adaptative basée sur la distribution des prédictions pour réduire la variance de l'estimateur de calibration.