एआई शब्दावली

📖

शब्द

Apprenant de niveau 0 (Level-0 Learner)

Désigne les modèles de base dans le stacking, qui effectuent les prédictions initiales sur les données avant leur combinaison par le méta-modèle.

📖

शब्द

Apprenant de niveau 1 (Level-1 Learner)

Synonyme de méta-modèle, il est le second apprenant dans le stacking qui prend en entrée les prédictions des apprenants de niveau 0 pour produire la prédiction finale.

📖

शब्द

Feature Stacking

Technique où les prédictions des modèles de base sont concaténées avec les features originales pour former l'ensemble d'entrée du méta-modèle, enrichissant ainsi l'information.

📖

शब्द

Fuite de données (Data Leakage)

Problème critique dans le stacking si les prédictions sur le jeu d'entraînement sont générées par des modèles déjà entraînés sur ces mêmes données, menant à une surévaluation des performances.

📖

शब्द

Stacking avec validation croisée (Stacked Cross-Validation)

Procédure rigoureuse pour entraîner une architecture de stacking, intégrant la validation croisée à la fois pour l'entraînement des modèles de base et la génération des prédictions pour le méta-modèle.

📖

शब्द

Modèles hétérogènes

Principe fondamental du stacking qui consiste à combiner des modèles de nature différente (ex: arbre de décision, SVM, régression) pour capter des schémas variés dans les données.

📖

शब्द

Entraînement en cascade (Cascade Training)

Stratégie d'entraînement pour le stacking où les modèles de base sont entraînés séquentiellement, chaque nouveau modèle pouvant utiliser les prédictions des modèles précédents comme features additionnelles.