Validation croisée
Une technique de validation de modèle pour évaluer comment les résultats d'une analyse statistique se généraliseront à un ensemble de données indépendant.
Cela consiste à partitionner les données en k sous-ensembles, à entraîner le modèle sur k-1 sous-ensembles, puis à le tester sur le sous-ensemble retenu ; l’opération est répétée k fois. Cette approche fournit des estimations robustes de la capacité de généralisation du modèle et met en évidence le surapprentissage. Parmi les cas d’usage en matière de gouvernance figurent la standardisation des protocoles de validation croisée (taille des sous-ensembles, graines aléatoires) entre les équipes et la documentation des résultats à des fins d’audits de conformité.
Une équipe d’analyse marketing utilise une validation croisée à 10 volets pour son modèle de résiliation client. Chaque volet produit des scores AUC ; elle communique la moyenne et la variance aux parties prenantes. Lorsque la variance est élevée, elle collecte des données supplémentaires plutôt que de déployer un modèle aux performances instables.
Nous vous aidons à trouver des réponses
Quel problème Enzai résout-il ?
Enzai fournit une infrastructure de niveau entreprise pour gérer les risques et la conformité de l'IA. Il crée un système centralisé où les systèmes d'IA, les modèles, les ensembles de données et les décisions de gouvernance sont documentés, évalués et audités.
Pour qui Enzai est-il conçu ?
En quoi Enzai se distingue-t-il des autres outils de gouvernance ?
Pouvons-nous commencer si nous n'avons pas de processus de gouvernance de l'IA existant ?
La gouvernance de l'IA freine-t-elle l'innovation ?
Comment Enzai s'aligne-t-il avec l'évolution des réglementations en matière d'IA ?
Recherche, perspectives et mises à jour
Donnez à votre organisation les moyens d'adopter, de gérer et de surveiller l'IA avec une confiance de niveau entreprise. Conçu pour les organisations réglementées opérant à grande échelle.