Glossaire des termes

Les termes sont répertoriés par ordre alphabétique.

Terme Description

Précision

Pourcentage de prédictions correctes qu'un modèle fait pour des décisions catégorielles. Cela est plus complexe pour les décisions numériques.

Apprentissage actif

Une technique d'apprentissage machine qui demande à un human-in-the-loop de fournir des résultats pour des entrées spécifiques. Ces entrées sont utilisées par la machine pour optimiser le taux d'apprentissage et minimiser le nombre d'interactions avec l'human-in-the-loop. Voir également Apprentissage guidé.

AutoML (Automatic Machine Learning, Apprentissage machine automatique)

Système d'apprentissage machine qui ne nécessite aucune entrée utilisateur pour s'adapter aux données, analyser les relations entre les variables et faire des prédictions sur les nouvelles données. Un exemple typique est le statisticien automatique.

Variable binaire

Variable catégorielle qui prend l'une des deux valeurs, généralement vrai ou faux.

Étalonnage

Processus d'examen des entrées du modèle et des prédictions de résultats, et d'écrasement des décisions du modèle si nécessaire.

Variable catégorielle

Variable qui prend l'une des valeurs d'un ensemble fixe. Si les valeurs sont désorganisées, il s'agit d'une variable catégorielle « nominale ». Dans le cas contraire, il s'agit d'une variable catégorielle « ordinale ».

Certitude

Voir Confiance.

Condition

Partie d'une règle. Toutes les conditions de la règle doivent être remplies pour que cette dernière s'applique. Par exemple : réserve = pleine. Également appelée « contrainte ».

Confiance

Cela définit le degré de certitude de la prédiction d'un modèle, par exemple combien de fois sur 100 il s'attend à être correct. Également appelée « certitude ».

Type de données

Type d'une variable dans un problème. Peut être catégorielle ou numérique.

Décision

Voir Variable de résultat.

Exception

Voir Règle.

Apprentissage guidé

Technique d'apprentissage machine qui demande à un human-in-the-loop de fournir des entrées qui génèrent des sorties spécifiques. Ces sorties sont utilisées par la machine pour optimiser le taux d'apprentissage et minimiser le nombre d'interactions avec l'human-in-the-loop. Voir également Apprentissage actif.

Human-in-the-loop

Humain qui fournit des conseils à une méthode d'apprentissage automatique ou d'automatisation.

Variable d'entrée

Contribution au processus de prise de décision.

Importance de l'entrée

Valeur relative qu'un modèle donne à une variable d'entrée par rapport aux autres variables d'entrée pour déterminer son importance. Une valeur supérieure indique que le modèle considère cette variable comme plus importante. Certains modèles permettent à l'utilisateur de modifier ces pondérations. Également appelée importance caractéristique ou pondération caractéristique.

Modèle kNN

Modèle d'apprentissage machine ou statistique non paramétrique qui effectue des prédictions (catégorielles ou numériques) pour une entrée basée sur les k voisins les plus proches (kNN) de l'entrée dans les données d'entraînement. Les voisins les plus proches peuvent être considérés de manière égale (un modèle kNN non pondéré) ou pondérés par leur distance inverse ou similarité (un modèle kNN pondéré).

Apprentissage machine

Systèmes dans lesquels les machines apprennent par elles-mêmes.

Modèle

Système d'apprentissage machine qui prédit un résultat (décision) basé sur un ensemble donné de caractéristiques.

Voisins

Sous-ensemble d'exemples qui sont considérés comme similaires aux valeurs qui ont été saisies pour les variables. Voir Modèle kNN.

Sans code

Systèmes qui peuvent être configurés sans programmation. Ils sont généralement conçus pour un utilisateur professionnel plutôt que pour un ingénieur.

Variable nominale

Variable catégorielle non ordonnée. Par exemple, « chat », « chien », « cheval ».

Modèle non paramétrique

Modèle d'apprentissage machine qui fait peu d'hypothèses sur la structure du problème et s'adapte aux données. Généralement, ces modèles sont plus flexibles que les modèles paramétriques statistiques standard.

Variable numérique

Variable qui prend n'importe quelle valeur dans une plage. Par exemple, 1, 1,2, 100, -3.

Variable ordinale

Variable catégorielle ordonnée. Par exemple, « petit », « moyen », « grand ».

Variable de résultat

Résultat du processus de prise de décision. Également connue sous le nom de « décision ».

Règle

Exception définie par l'utilisateur au modèle Decision. Il s'agit d'une liste de conditions ou de contraintes qui, lorsqu'elles sont satisfaites, forcent le résultat à une valeur particulière. Également appelée « exception ».

Exemple

Point de données qui est un ensemble complet de valeurs de variables d'entrée pouvant également être associé à une valeur de variable de résultat.

Non pondéré

Voir Modèle kNN.

Variable

Terme générique pour une variable d'entrée ou de résultat (décision).

Pondéré

Voir modèle kNN.