Glossaire IA
Le dictionnaire complet de l'Intelligence Artificielle
Fuite d'Information
Risque dans le stacking où le méta-modèle est entraîné sur les mêmes données que les modèles de base, conduisant à un surapprentissage que le blending cherche à éviter via la validation hold-out.
Pondération de Prédictions
Technique dans le blending où le méta-modèle apprend des poids optimaux pour combiner les prédictions des modèles de base, souvent via une régression linéaire simple.
Stratification du Hold-out
Division stratifiée du jeu de validation hold-out en blending pour garantir que la distribution des classes soit préservée, essentiel pour les problèmes de classification déséquilibrés.
Blending à Plusieurs Niveaux
Extension du blending où les prédictions du premier méta-modèle deviennent des entrées pour un second méta-modèle, créant une hiérarchie de combinaisons de prédictions.
Cross-Blending
Variante du blending utilisant plusieurs splits hold-out et moyennant les prédictions des méta-modèles correspondants pour réduire la variance liée au choix spécifique du hold-out.
Calibration des Prédictions
Étape en blending où les probabilités de sortie des modèles de base sont recalibrées avant d'être fournies au méta-modèle pour assurer une cohérence dans l'échelle des prédictions.
Blending Stochastique
Approche où le jeu de validation hold-out est sélectionné aléatoirement à plusieurs itérations, entraînant plusieurs méta-modèles dont les prédictions sont ensuite moyennées.
Blending Temporel
Application du blending aux données temporelles où le hold-out respecte l'ordre chronologique, utilisant les périodes récentes pour entraîner le méta-modèle sur les prédictions passées.
Optimisation du Ratio Hold-out
Processus de détermination de la proportion optimale de données à réserver pour la validation hold-out en blending, équilibrant la qualité d'entraînement des modèles de base et du méta-modèle.
Blending Adaptatif
Méthode où le méta-modèle ajuste dynamiquement sa combinaison de prédictions en fonction de la performance observée de chaque modèle de base sur différents segments de données.