Глоссарий ИИ
Полный словарь искусственного интеллекта
Отступ классификации
Расстояние между образцом и ближайшей границей принятия решений в пространстве классификации. Этот отступ количественно оценивает степень уверенности модели в своем прогнозе.
Неопределенность по отступу
Метод оценки неопределенности, основанный на разнице между вероятностями двух наиболее вероятных классов. Чем меньше этот отступ, тем более неопределенным считается образец.
Выборка на основе отступов
Стратегия активного обучения, которая отдает приоритет образцам с наименьшими отступами классификации. Этот подход нацелен на наиболее неоднозначные примеры для эффективного улучшения модели.
Выбор по минимальному отступу
Техника, заключающаяся в выборе образцов, у которых отступ между двумя наиболее вероятными классами является наименьшим. Эти образцы расположены вблизи границы принятия решений.
Активное обучение на основе отступов
Парадигма обучения, при которой модель итеративно выбирает образцы с наименьшими отступами для разметки. Эта стратегия оптимизирует улучшение модели при ограниченном бюджете на аннотирование.
Отступ уверенности
Количественная мера, указывающая на уровень уверенности модели в своем прогнозе, вычисляемая как разница между вероятностью предсказанного класса и вероятностью второго по вероятности класса.
Расстояние до границы
Геометрическая мера, количественно оценивающая удаленность образца от границы принятия решений. Образцы с минимальными расстояниями имеют приоритет в активном обучении.
Неоднозначные образцы
Точки данных, расположенные в областях пространства, где модель демонстрирует низкую уверенность между несколькими классами. Эти образцы характеризуются очень малыми отступами классификации.
Marge de sécurité
Concept théorique représentant la distance minimale souhaitée entre les échantillons et la frontière de décision. Une marge de sécurité élevée indique une classification plus robuste et généralisable.
Stratégie de marge
Approche d'interrogation active qui utilise la marge de classification comme critère principal pour sélectionner les échantillons à annoter. Cette stratégie est particulièrement efficace pour les modèles probabilistes.
Marge de séparation
Distance mesurée entre les classes adjacentes dans un problème de classification multi-classe. Cette marge détermine la facilité avec laquelle un modèle peut distinguer entre différentes catégories.
Échantillonnage par marge
Processus de sélection d'échantillons basé sur leur position relative à la frontière de décision. Cette méthode favorise les exemples qui améliorent le plus la définition des limites entre classes.
Marge de décision
Valeur numérique représentant le score de décision d'un classificateur pour un échantillon donné. Elle est souvent utilisée pour calculer la confiance du modèle dans sa prédiction.
Marge d'incertitude
Zone de l'espace de caractéristiques où le modèle présente une faible confiance dans ses prédictions. Cette zone est définie par des échantillons ayant des marges de classification inférieures à un seuil prédéfini.
Sélection par frontière
Variante de la stratégie basée sur les marges qui se concentre spécifiquement sur les échantillons situés à proximité immédiate de la frontière de décision. Cette approche cible les points les plus critiques pour améliorer la discrimination.
Marge de prédiction
Différence entre les probabilités de prédiction des deux classes les plus probables pour un échantillon donné. Une marge faible indique une prédiction incertaine nécessitant potentiellement une annotation humaine.
Пограничные образцы
Точки данных, расположенные на границе между несколькими областями классификации в пространстве признаков. Эти образцы критически важны для точного определения границ принятия решений модели.