Quantification de l’incertitude


Définition

Chaque algorithme d’apprentissage automatique a une erreur aléatoire inhérente qui doit être évaluée et quantifiée. Pour cela, il est important de construire des modèles d’apprentissage machine qui donneront des estimations impartiales des incertitudes dans les résultats calculés. En raison du caractère aléatoire inhérent à l’ensemble de données et au modèle, les paramètres d’évaluation tels que le score R2 sont des variables, aussi est-il nécessaire d’estimer le degré d’incertitude du modèle.

Français

Quantification de l’incertitude

Anglais

Uncertainty Quantification

Sources

source:kdnuggets.com

Voir: Random Error Quantification in Machine Learning.



Contributeurs: wiki, Sihem Kouache