Glossaire IA
Le dictionnaire complet de l'Intelligence Artificielle
Analyse en Composantes Principales
Technique linéaire qui projette les données sur les axes de variance maximale pour réduire la dimensionnalité.
t-SNE
Algorithme non-linéaire qui préserve les structures locales en transformant les similarités en probabilités.
UMAP
Technique de réduction dimensionnelle non-linéaire basée sur la topologie algébrique et l'apprentissage de variétés.
Autoencodeurs
Architecture de réseaux de neurones qui apprend à compresser et reconstruire les données pour réduire leur dimensionnalité.
Analyse en Composantes Indépendantes
Méthode statistique qui sépare un signal multivarié en composantes sous-jacentes indépendantes.
Linear Discriminant Analysis
Technique supervisée qui maximise la séparabilité entre classes tout en réduisant la dimensionnalité.
Factorisation de Matrice
Décomposition d'une matrice en produit de matrices de rang inférieur pour révéler les structures latentes.
ISOMAP
Algorithme non-linéaire qui préserve les distances géodésiques sur une variété plongée.
Locally Linear Embedding
Technique qui préserve les relations de voisinage local dans l'espace de dimension réduite.
Multidimensional Scaling
Méthode qui représente les objets dans un espace de dimension inférieure en préservant leurs distances mutuelles.
Non-negative Matrix Factorization
Factorisation matricielle avec contrainte de non-négativité produisant des représentations additives.
Random Projection
Technique simple qui projette les données sur un sous-espace aléatoire tout en préservant les distances.
Diffusion Maps
Méthode basée sur les processus de diffusion pour capturer la géométrie intrinsèque des données.
Feature Selection
Sélection d'un sous-ensemble optimal de caractéristiques originales plutôt que projection sur de nouvelles dimensions.
Kernel PCA
Extension de PCA utilisant des fonctions noyau pour capturer des relations non-linéaires dans les données.