AI 词汇表
人工智能完整词典
Fonction Sigmoïde
Fonction mathématique en forme de S qui transforme toute valeur réelle en une probabilité comprise entre 0 et 1, utilisée comme fonction d'activation en régression logistique.
Fonction Logit
Fonction de lien logarithmique qui convertit les probabilités en échelle logarithmique, définie comme le logarithme naturel des odds de la probabilité de succès.
Maximum de Vraisemblance
Méthode d'estimation des paramètres du modèle qui maximise la probabilité d'observer les données d'entraînement étant donné les paramètres du modèle.
Biais (Intercept)
Terme constant dans l'équation de régression logistique qui représente la probabilité de base lorsque toutes les variables prédictives sont nulles.
Poids (Coefficients)
Paramètres multiplicatifs associés à chaque variable prédictive qui quantifient leur influence sur la probabilité de classification.
Frontière de Décision
Hyperplan ou surface qui sépare les différentes classes dans l'espace des caractéristiques, définie par l'équation où la probabilité prédite égale 0.5.
Odds Ratio
Mesure d'association qui quantifie comment les odds d'un résultat changent lorsque la variable prédictive augmente d'une unité, toutes autres variables étant constantes.
Régularisation L1 (Lasso)
Technique de pénalisation qui ajoute la somme des valeurs absolues des coefficients à la fonction de coût, favorisant la sélection automatique de variables.
Régularisation L2 (Ridge)
Méthode de pénalisation qui ajoute la somme des carrés des coefficients à la fonction de coût, réduisant l'amplitude des coefficients pour prévenir le surapprentissage.
Aire Sous la Courbe (AUC)
Métrique d'évaluation qui mesure la probabilité qu'un modèle classe aléatoirement une instance positive plus haut qu'une instance négative, variant de 0.5 à 1.
Seuil de Classification
Valeur de probabilité limite (généralement 0.5) utilisée pour convertir les probabilités continues en prédictions de classes binaires.
Vraisemblance
Fonction qui mesure la probabilité d'observer les données données les paramètres du modèle, utilisée pour l'estimation des paramètres en régression logistique.
Fonction de Coût (Log Loss)
Fonction de pénalisation logarithmique qui mesure la divergence entre les probabilités prédites et les étiquettes réelles, utilisée pour optimiser le modèle.
Convergence
État où les itérations successives de l'algorithme d'optimisation ne modifient plus significativement les paramètres du modèle, indiquant l'atteinte d'un optimum.
Classes Déséquilibrées
Situation où une classe est significativement moins représentée que l'autre dans les données d'entraînement, nécessitant des techniques d'échantillonnage ou de pondération.