AI 용어집
인공지능 완전 사전
Aire sous la courbe ROC (AUC)
Métrique unique quantifiant la performance globale d'un classificateur binaire, représentant la probabilité qu'un exemple positif soit mieux classé qu'un exemple négatif.
Erreur de type I
Faux positif se produisant lorsqu'un modèle rejette incorrectement une hypothèse nulle vraie, menant à des fausses alarmes dans les prédictions.
Erreur de type II
Faux négatif résultant de l'échec d'un modèle à rejeter une hypothèse nulle fausse, causant des manques de détection importants.
Analyse d'erreur par classe
Examen détaillé des erreurs de classification spécifiques à chaque classe cible pour identifier les catégories problématiques et guider l'amélioration ciblée.
Diagramme quantile-quantile (Q-Q)
Outil graphique comparant la distribution des résidus à une distribution théorique, permettant de détecter les écarts par rapport aux hypothèses de normalité.
Analyse de calibration
Évaluation de la correspondance entre les probabilités prédites par un modèle et les fréquences observées dans les données, cruciale pour les prédictions probabilistes.
Test de Durbin-Watson
Test statistique détectant l'autocorrélation des résidus dans les séries temporelles, essential pour valider l'indépendance des erreurs.
Bootstrap pour l'évaluation d'erreur
Méthode de rééchantillonnage générant multiple échantillons pour estimer la distribution des erreurs et calculer des intervalles de confiance robustes.
Analyse d'erreur locale (LIME)
Technique d'interprétabilité expliquant les prédictions individuelles en créant des modèles locaux simplifiés autour de chaque point de données.