Глоссарий ИИ
Полный словарь искусственного интеллекта
Один-против-остальных (OvR)
Стратегия разложения многоклассовой классификации на несколько бинарных классификаторов, где каждый классификатор отличает один класс от всех остальных.
Один-против-одного (OvO)
Подход, который обучает бинарный классификатор для каждой возможной пары классов, требуя n(n-1)/2 классификаторов для n классов.
Многоклассовая матрица ошибок
Таблица NxN, где N - количество классов, отображающая правильные и неправильные прогнозы модели для оценки производительности классификации.
Макро-оценка F1
Невзвешенное среднее оценок F1 каждого класса, обрабатывающее все классы одинаково независимо от их частоты в наборе данных.
Микро-оценка F1
Метрика, которая вычисляет оценку F1 глобально, считая общее количество истинно положительных, ложноотрицательных и ложноположительных результатов по всем классам.
Взвешенная оценка F1
Взвешенное среднее оценок F1 по классам, где каждый класс вносит вклад пропорционально количеству образцов в наборе данных.
Логиты
Необработанные ненормализованные баллы, производимые последним слоем нейронной сети перед применением функции softmax для многоклассовой классификации.
Многоклассовая кросс-энтропия
Функция потерь, которая измеряет расхождение между предсказанным распределением вероятностей и фактическим распределением меток в многоклассовом контексте.
Échantillonnage stratifié
Technique d'échantillonnage préservant la proportion des classes dans les sous-ensembles d'entraînement et de test pour éviter le biais de distribution.
Déséquilibre des classes
Situation où les classes ne sont pas représentées de manière égale dans le jeu de données, pouvant biaiser l'apprentissage vers les classes majoritaires.
Undersampling aléatoire
Méthode de sous-échantillonnage qui réduit aléatoirement le nombre d'échantillons des classes majoritaires pour équilibrer la distribution des classes.
Oversampling aléatoire
Approche de suréchantillonnage dupliquant aléatoirement les échantillons des classes minoritaires pour atteindre l'équilibre avec les classes majoritaires.
Précision multi-classe
Métrique calculée comme la moyenne des précisions par classe, où la précision d'une classe est le ratio de vrais positifs sur le total de prédictions positives.
Rappel multi-classe
Métrique représentant la moyenne des rappels par classe, mesurant la capacité du modèle à identifier tous les échantillons pertinents pour chaque classe.
Courbe ROC multi-classe
Extension de la courbe ROC pour la classification multi-classe, généralement calculée en utilisant une approche One-vs-Rest ou macro-moyenne.
AUC multi-classe
Aire sous la courbe ROC pour les problèmes multi-classe, calculée comme moyenne des AUC binaires selon l'approche One-vs-Rest.
Многоклассовые деревья решений
Основанные на правилах алгоритмы, которые рекурсивно разделяют пространство признаков для создания листьев, соответствующих различным классам.
Многоклассовая логистическая регрессия
Расширение логистической регрессии, использующее функцию softmax для моделирования вероятности принадлежности к каждой из K возможных классов.
Многоклассовый SVM
Машины опорных векторов, адаптированные для многоклассовой классификации, обычно реализуемые с помощью стратегий «Один против всех» или «Один против одного».
Многоклассовый KNN
Алгоритм k ближайших соседей, который классифицирует новое наблюдение по классу большинства среди его k ближайших соседей.
Многоклассовый наивный байесовский классификатор
Вероятностный классификатор, основанный на теореме Байеса с предположением об условной независимости, естественным образом расширенный на многоклассовые задачи.
Многоклассовый случайный лес
Ансамблевый метод, объединяющий множество деревьев решений, обученных на бутстрэп-подвыборках, с классификацией путем голосования большинства.