KI-Glossar
Das vollständige Wörterbuch der Künstlichen Intelligenz
Morris Sensitivity Analysis
Méthode de criblage global qui évalue l'importance des caractéristiques en mesurant les effets élémentaires de petites variations d'entrée sur la sortie du modèle, identifiant rapidement les variables les plus influentes avec un coût computationnel modéré.
ICE (Individual Conditional Expectation) Plots
Visualisation qui trace la prédiction du modèle pour chaque observation individuelle en fonction d'une caractéristique variable, révélant l'hétérogénéité des effets et les interactions qui seraient masquées par les moyennes dans les PDP traditionnels.
Model-agnostic Contrastive Explanations
Méthode qui explique une prédiction en la comparant à une prédiction alternative, identifiant les caractéristiques minimales qui doivent être présentes (pertinentes) et absentes (irrélevantes) pour justifier la différence entre les deux résultats.
LOFO (Leave One Feature Out) Importance
Technique d'évaluation de l'importance des caractéristiques qui mesure l'impact sur la performance du modèle lorsque chaque caractéristique est retirée séquentiellement de l'ensemble des données, fournissant une mesure robuste de la contribution de chaque variable.
Explainable Boosting Machine (EBM)
Modèle d'apprentissage automatique basé sur le gradient boosting qui combine haute performance avec interprétabilité intrinsèque en apprenant des fonctions de forme pour chaque caractéristique et des termes d'interaction d'ordre deux, tout en restant agnostique aux hypothèses de distribution.