AI-ordlista
Den kompletta ordlistan över AI
Voisinage perturbé
Ensemble d'échantillons synthétiques générés en modifiant légèrement les caractéristiques de l'instance d'intérêt pour explorer le comportement local du modèle complexe.
Poids des instances
Coefficients exponentiels qui déterminent l'importance de chaque échantillon perturbé dans le voisinage, basés sur leur distance par rapport à l'instance originale à expliquer.
Perturbation binaire
Technique de modification des caractéristiques où chaque feature est activée (1) ou désactivée (0) aléatoirement pour générer des échantillons synthétiques dans le voisinage de l'instance à expliquer.
Fonction d'explication
Mapping qui associe chaque instance et son contexte local à une explication interprétable, généralement un modèle linéaire ou un ensemble de règles simplifiées.
Règles d'interprétation
Ensemble de conditions logiques simples extraites par LIME pour expliquer comment certaines caractéristiques influencent la prédiction au niveau local.
Complexité vs interprétabilité
Compromis fondamental où les modèles plus complexes sont souvent plus performants mais moins interprétables, nécessitant des techniques comme LIME pour réconcilier ces objectifs.
Fenêtre de voisinage
Rayon ou paramètre définissant la zone d'influence autour de l'instance à expliquer, crucial pour équilibrer la pertinence locale et la robustesse de l'approximation.
Text LIME
Spécialisation de LIME pour les données textuelles où les perturbations consistent à ajouter/supprimer des mots ou des phrases pour expliquer les prédictions de modèles NLP.