एआई शब्दावली

📖

शब्द

Out-of-Bag Score

Métrique de performance dérivée de l'out-of-bag error, souvent exprimée comme 1 moins l'erreur OOB, fournissant une évaluation interne de la qualité du modèle sans validation croisée.

📖

शब्द

OOB Estimate

Estimation non biaisée de l'erreur de test obtenue en agrégeant les prédictions sur les échantillons out-of-bag pour chaque observation du jeu d'entraînement.

📖

शब्द

Bagging Error

Erreur de généralisation d'un modèle de bagging, pouvant être estimée efficacement par la méthode out-of-bag sans nécessiter un ensemble de validation externe.

📖

शब्द

Random Forest OOB

Application spécifique de l'erreur out-of-bag aux forêts aléatoires, où chaque arbre est évalué sur les échantillons non utilisés dans son bootstrap pour estimer la performance globale.

📖

शब्द

OOB Variable Importance

Mesure de l'importance des variables calculée en évaluant l'augmentation de l'erreur OOB lorsque les valeurs d'une variable sont permutées aléatoirement dans les échantillons out-of-bag.

📖

शब्द

OOB Cross-Validation

Alternative à la validation croisée traditionnelle utilisant les échantillons out-of-bag comme ensembles de validation internes pour chaque itération de bootstrap.

📖

शब्द

Bagging Variance Reduction

Propriété fondamentale du bagging réduisant la variance des prédictions en moyennant les sorties de modèles entraînés sur différents échantillons bootstrap.

📖

शब्द

OOB Confidence Interval

Intervalle de confiance pour l'erreur de généralisation estimée à partir de la distribution des erreurs out-of-bag sur les différents échantillons bootstrap.

📖

शब्द

Subagging OOB

Variante du bagging utilisant des sous-échantillons sans remise, où l'estimation out-of-bag doit être adaptée pour tenir compte de la stratégie d'échantillonnage différente.

📖

शब्द

OOB Proximity Matrix

Matrice mesurant la proximité entre observations basée sur la fréquence où elles tombent dans les mêmes feuilles terminales des arbres évalués sur les échantillons out-of-bag.

📖

शब्द

Bagging Instability

Mesure de la sensibilité d'un algorithme de base aux variations des données d'entraînement, condition nécessaire pour que le bagging et l'estimation OOB soient efficaces.

📖

शब्द

OOB Learning Curve

Courbe montrant l'évolution de l'erreur out-of-bag en fonction du nombre de modèles dans l'ensemble, permettant d'optimiser la taille de l'ensemble sans surapprentissage.