AI 词汇表
人工智能完整词典
Stratified K-fold
Version de K-fold préservant la distribution des classes dans chaque partition, essentielle pour les datasets déséquilibrés en classification.
Time Series Cross-Validation
Technique adaptée aux données temporelles utilisant des plages temporelles successives comme ensembles de test sans mélanger les observations passées et futures.
Nested Cross-Validation
Double validation croisée où une boucle interne optimise les hyperparamètres et une boucle externe évalue la performance du modèle optimisé.
Group K-fold
Variante de K-fold garantissant que les mêmes groupes ne se trouvent jamais simultanément dans les ensembles d'entraînement et de test.
Shuffle Split Cross-Validation
Méthode générant aléatoirement des partitions d'entraînement/test avec un nombre configurable d'itérations et de tailles d'ensembles.
Repeated K-fold
K-fold répété plusieurs fois avec des initialisations aléatoires différentes pour réduire la variance de l'estimation de performance.
Holdout Validation
Méthode simple séparant les données en un seul ensemble d'entraînement et un seul ensemble de test, moins robuste que la validation croisée.
Cross-Validation Score
Métrique de performance moyenne calculée sur toutes les partitions de validation croisée, souvent avec son écart-type pour mesurer la stabilité.
Grid Search Cross-Validation
Recherche exhaustive d'hyperparamètres combinée avec validation croisée pour identifier la meilleure configuration de modèle.
Randomized Search Cross-Validation
Alternative au Grid Search échantillonnant aléatoirement les combinaisons d'hyperparamètres avec validation croisée pour optimiser le temps de calcul.
Cross-Validation Folds
Partitions individuelles des données créées lors de la validation croisée, servant alternativement d'ensemble de test ou d'entraînement.
Monte Carlo Cross-Validation
Méthode de validation croisée répétant aléatoirement la séparation entraînement/test plusieurs fois pour estimer la distribution des performances.
Cross-Validation Iterator
Objet générant les indices des partitions pour la validation croisée, implémentant différentes stratégies de division des données.
Adaptive Cross-Validation
Technique avancée ajustant dynamiquement la stratégie de validation en fonction des caractéristiques des données et du modèle.
Cross-Validation Leakage
Fuite d'information entre ensembles d'entraînement et test lors d'un prétraitement incorrect, invalidant les résultats de validation croisée.
Bootstrap Cross-Validation
Méthode utilisant l'échantillonnage avec remplacement pour créer les partitions de validation, offrant une estimation différente de l'erreur de généralisation.
Prequential Cross-Validation
Stratégie de validation pour les flux de données testant chaque observation immédiatement après son apprentissage, adaptée aux concepts évolutifs.