Glossaire IA
Le dictionnaire complet de l'Intelligence Artificielle
Validation Croisée K-Fold
Technique divisant les données en K partitions égales pour entraîner et tester le modèle K fois de manière rotative.
Validation Croisée Leave-One-Out
Variante extrême du K-fold où chaque observation sert une fois de test et N-1 fois d'entraînement.
Validation Croisée Stratifiée
Préserve les proportions de classes dans chaque partition, essentielle pour les données déséquilibrées.
Courbe ROC et AUC
Métrique graphique évaluant la performance des classifieurs binaires selon les taux de vrais/faux positifs.
Matrice de Confusion
Tableau récapitulatif des prédictions correctes et incorrectes pour évaluer la performance de classification.
Bootstrap Validation
Technique de rééchantillonnage avec remplacement pour estimer la variabilité et la performance du modèle.
Métriques de Régression
Ensemble d'indicateurs (MAE, MSE, RMSE, R²) mesurant la précision des prédictions de modèles de régression.
Courbe d'Apprentissage
Outil diagnostic analysant l'évolution de la performance selon la taille des données d'entraînement.
Validation Croisée Temporelle
Adaptation respectant l'ordre chronologique des données pour évaluer les modèles de séries temporelles.
Métriques F1-Score
Moyenne harmonique entre précision et rappel, idéale pour les problèmes de classification déséquilibrés.
Validation Croisée Négligente
Double validation croisée évitant le surajustement lors de la sélection d'hyperparamètres et de modèles.
Courbe de Validation
Graphique explorant l'impact des hyperparamètres sur la performance du modèle pour optimiser le réglage.
Validation Croisée par Groupes
Technique évitant la fuite d'information en regroupant les observations liées dans les mêmes partitions.
Métriques de Précision-Rappel
Indicateurs complémentaires évaluant la pertinence des prédictions positives et leur exhaustivité.
Validation Croisée par Blocs
Approche spécialisée pour données structurées (temporelles, spatiales) préservant la dépendance locale.