Glossaire IA
Le dictionnaire complet de l'Intelligence Artificielle
Sélection Aléatoire de Caractéristiques
Technique introduite dans Random Forest où chaque arbre de décision est entraîné sur un sous-ensemble aléatoire des caractéristiques (features) à chaque division, réduisant la corrélation entre les arbres et améliorant la généralisation.
Importance des Caractéristiques
Métrique calculée dans Random Forest qui évalue la contribution de chaque variable à la précision du modèle, généralement mesurée par la diminution moyenne de l'impureté (Gini ou entropie) ou l'augmentation de l'erreur OOB lorsque la variable est permutée.
Agrégation par Vote Majoritaire
Méthode d'agrégation pour les problèmes de classification où la prédiction finale de l'ensemble est la classe qui reçoit le plus de votes parmi les prédictions individuelles des modèles de base.
Forêt Aléatoire Extrême (Extremely Randomized Trees)
Variante de Random Forest qui introduit plus de randomisation en choisissant les seuils de division des caractéristiques de manière complètement aléatoire plutôt que de chercher le seuil optimal, réduisant le biais et la variance.
Proximité entre Observations
Matrice de similarité calculée dans Random Forest qui compte le nombre de fois où deux observations se retrouvent dans la même feuille terminale à travers tous les arbres de la forêt, pouvant être utilisée pour la détection d'anomalies ou le clustering.