Glossaire IA
Le dictionnaire complet de l'Intelligence Artificielle
Concept Drift
Changement dans la distribution de probabilité conditionnelle P(y|x) où les relations entre les caractéristiques et la cible évoluent au fil du temps, nécessitant une adaptation des modèles prédictifs.
Virtual Drift
Changement dans la distribution marginale P(x) des caractéristiques d'entrée sans modification de la relation sous-jacente entre les caractéristiques et la cible P(y|x).
Real Drift
Modification fondamentale de la relation entre les caractéristiques et la variable cible P(y|x), affectant directement les performances de prédiction du modèle.
DDM (Drift Detection Method)
Algorithme de surveillance statistique basé sur les taux d'erreur du modèle utilisant la distribution binomiale pour détecter les changements significatifs dans les performances.
EDDM (Early Drift Detection Method)
Variante du DDM optimisée pour détecter les changements graduels en surveillant la distance moyenne entre erreurs successives plutôt que le seul taux d'erreur.
ADWIN (Adaptive Windowing)
Algorithme adaptatif qui maintient une fenêtre glissante de taille variable et compare statistiquement les distributions de deux sous-fenêtres pour détecter les changements.
Page-Hinkley Test
Test statistique de détection de changements basé sur l'accumulation des différences entre les valeurs observées et leur moyenne, efficace pour identifier les dérives abruptes.
KS Test (Kolmogorov-Smirnov Test)
Test non paramétrique comparant les fonctions de distribution cumulée de deux échantillons pour déterminer s'ils proviennent de la même distribution.
EWMA (Exponentially Weighted Moving Average)
Méthode de lissage statistique attribuant des poids décroissants exponentiellement aux observations plus anciennes pour détecter les changements dans les séries temporelles.
Drift Detection Rate
Métrique mesurant la proportion de dérives réelles correctement identifiées par un algorithme de détection, évaluant ainsi son efficacité de détection.
False Alarm Rate
Proportion de fausses détections de dérive signalées par un algorithme lorsqu'aucun changement réel n'est survenu dans la distribution des données.
Detection Delay
Temps écoulé entre l'occurrence réelle d'une dérive de concept et sa détection par l'algorithme de surveillance, mesurant la réactivité du système.
Window-based Methods
Approches de détection de dérive utilisant des fenêtres temporelles pour comparer les distributions statistiques entre les données récentes et historiques.
Statistical Process Control
Ensemble de méthodes statistiques utilisées pour surveiller et contrôler les processus, adaptées à la détection de dérives dans les flux de données.
Change Point Detection
Identification des moments précis où les propriétés statistiques d'une série temporelle changent de manière significative, fondamentaux pour la détection de dérive.
Feature Drift
Modification dans la distribution d'une ou plusieurs caractéristiques d'entrée P(xi) au fil du temps, pouvant affecter indirectement les performances du modèle.
Prior Probability Drift
Changement dans la distribution marginale de la variable cible P(y) sans modification de la relation conditionnelle P(y|x), affectant l'équilibre des classes.
Ensemble Methods for Drift Detection
Approches combinant plusieurs détecteurs de dérive ou modèles de base pour améliorer la robustesse et la précision de la détection de changements.
Gradual Drift
Type de dérive de concept où les changements dans la distribution des données ou les relations entre variables se produisent progressivement sur une période étendue.
Abrupt Drift
Changement soudain et immédiat dans la distribution des données ou les relations entre variables, nécessitant une détection rapide et une adaptation du modèle.