Glossaire IA
Le dictionnaire complet de l'Intelligence Artificielle
Group Cross-Validation
Technique de validation croisée où les observations sont regroupées selon des critères prédéfinis pour éviter la fuite d'information entre les ensembles d'entraînement et de test.
Leave-One-Group-Out (LOGO)
Variante de la validation croisée où un groupe entier est laissé de côté pour le test à chaque itération, assurant une séparation complète des données groupées.
Stratified Group K-Fold
Combination du stratified K-Fold et du group K-Fold préservant à la fois la distribution des classes et l'intégrité des groupes dans chaque partition.
Group Shuffle Split
Technique de validation croisée随机isant la répartition des groupes entre ensembles d'entraînement et de test avec contrôle sur le nombre d'itérations et les proportions.
Time Series Group Split
Validation croisée adaptée aux données temporelles groupées respectant l'ordre chronologique tout en évitant la fuite entre groupes temporellement corrélés.
Nested Group Cross-Validation
Validation croisée à deux niveaux utilisant des groupes pour éviter le surapprentissage lors de la sélection d'hyperparamètres et de l'évaluation finale du modèle.
Group-aware Feature Selection
Processus de sélection de caractéristiques prenant en compte la structure des groupes pour éviter la sélection de features introduisant une fuite d'information.
Group Leakage
Phénomène où des informations d'un groupe apparaissent à la fois dans les ensembles d'entraînement et de test, biaisant artificiellement les performances du modèle.
Group-wise Scoring
Méthode d'évaluation calculant les métriques de performance par groupe avant de les agréger, permettant d'identifier les disparités de performance entre groupes.
Hierarchical Group Cross-Validation
Technique avancée gérant des structures de groupes imbriquées ou hiérarchiques pour préserver les relations de dépendance à multiples niveaux.
Group Blocking
Stratégie explicitement empêchant les observations du même groupe d'être réparties entre ensembles d'entraînement et de test pendant la validation croisée.
Group-based Bootstrapping
Méthode de rééchantillonnage où les groupes entiers sont tirés avec remplacement plutôt que les observations individuelles, préservant la structure de dépendance.
Multi-level Group Cross-Validation
Validation croisée gérant simultanément plusieurs niveaux de groupement pour des structures de données complexes avec dépendances croisées.
Group-aware Hyperparameter Tuning
Optimisation des hyperparamètres utilisant une validation croisée par groupes pour garantir une évaluation non biaisée des performances du modèle.
Group Imbalance Handling
Techniques adaptatives pour gérer les déséquilibres dans la taille ou la représentation des groupes lors de la validation croisée.
Cross-Group Generalization
Capacité d'un modèle à performer sur des groupes non vus pendant l'entraînement, évaluée spécifiquement par la validation croisée par groupes.
Group-aware Pipeline
Enchaînement de traitements intégrant la gestion des groupes à chaque étape, du prétraitement à l'évaluation finale en passant par l'entraînement.