AI-ordlista
Den kompletta ordlistan över AI
LIME Visualization
Représentation graphique des explications générées par LIME (Local Interpretable Model-agnostic Explanations) pour une prédiction spécifique. Cette visualisation met en évidence les caractéristiques locales qui influencent une décision individuelle du modèle.
Decision Boundary Plot
Visualisation en 2D ou 3D montrant les frontières de décision d'un modèle de classification dans l'espace des caractéristiques. Ce graphique illustre comment le modèle sépare les différentes classes dans l'espace de prédiction.
Confusion Matrix Heatmap
Représentation visuelle colorée de la matrice de confusion montrant les performances de classification d'un modèle. Cette heatmap facilite l'identification rapide des types d'erreurs de classification les plus fréquentes.
ROC Curve Visualization
Graphique représentant la courbe ROC (Receiver Operating Characteristic) illustrant le compromis entre le taux de vrais positifs et le taux de faux positifs. Cette visualisation permet d'évaluer la performance discriminante du modèle à différents seuils.
Learning Curve Plot
Graphique montrant l'évolution des performances du modèle en fonction de la taille du jeu d'entraînement. Cette visualisation aide à diagnostiquer les problèmes de surapprentissage ou de sous-apprentissage du modèle.
Validation Curve Plot
Représentation graphique des performances du modèle en fonction de la variation d'un hyperparamètre spécifique. Ce graphique permet d'identifier la valeur optimale des hyperparamètres et de comprendre leur impact sur le biais et la variance.
Residual Plot
Visualisation des résidus (erreurs de prédiction) par rapport aux valeurs prédites ou aux caractéristiques d'entrée. Ce graphique aide à vérifier les hypothèses du modèle et à identifier des patterns systématiques dans les erreurs.
Model Calibration Plot
Diagramme de fiabilité comparant les probabilités prédites par le modèle aux fréquences empiriques observées. Cette visualisation évalue si les prédictions probabilistes du modèle sont bien calibrées.
Tree Visualization
Graphical representation of a decision tree structure showing decision nodes, split criteria, and terminal leaves. This visualization allows explicit understanding of the model's decision-making process.
Embedding Projection
2D or 3D visualization of high-dimensional embeddings reduced by techniques such as t-SNE or UMAP. This plot reveals the structure and clusters in the data representations learned by the model.
Feature Distribution Plot
Chart showing the distribution of input features, often compared across different groups or classes. This visualization helps understand the data profile and potential biases.
Model Coefficient Plot
Visualization of a linear model's coefficients with their confidence intervals. This plot allows evaluation of the importance and direction of each feature's influence in linear models.
Prediction Explanation Dashboard
Interactive interface combining multiple visualizations to explain a specific prediction. This dashboard integrates various interpretation techniques to provide a comprehensive overview of the model's decision.
Feature Correlation Heatmap
Correlation matrix visualized as a heatmap showing linear relationships between features. This visualization helps identify multicollinearity and dependencies between variables.
Model Performance Radar Chart
Radar chart comparing multiple model performance metrics across different axes. This visualization allows quick assessment of the model's strengths and weaknesses across different dimensions.