AI 용어집
인공지능 완전 사전
Hold-out Validation
Méthode de validation séparant les données en trois ensembles distincts : entraînement pour les modèles de base, validation pour le méta-modèle, et test pour l'évaluation finale.
Weighted Blending
Variante du blending où chaque modèle de base se voit attribuer un poids spécifique dans la combinaison finale, souvent déterminé par leur performance sur le validation set.
Simple Blending
Approche basique de blending utilisant une combinaison linéaire simple (moyenne ou médiane) des prédictions sans méta-modèle complexe.
Prediction Aggregation
Processus de combinaison des prédictions individuelles des modèles de base en une prédiction finale unique via le méta-modèle dans le blending.
Blending Architecture
Structure organisationnelle des modèles en blending caractérisée par une séparation claire entre modèles de base, validation set et méta-modèle.
Stacking vs Blending
Comparaison entre stacking (utilisant cross-validation pour générer features) et blending (utilisant hold-out set), blending étant plus simple mais potentiellement moins robuste.
Blending Pipeline
Enchaînement séquentiel des étapes de blending : entraînement des base learners, génération de prédictions sur validation set, et entraînement du méta-modèle.
Validation Leakage
Risque dans le blending où les informations du validation set peuvent indirectement influencer l'entraînement des modèles de base, biaisant l'évaluation.
Ensemble Robustness
Capacité du système blending à maintenir des performances stables face aux variations des données, améliorée par la diversité des modèles de base.