« Extraction d'attributs » : différence entre les versions

Dernière version du 6 juin 2024 à 16:56

Définition

L'extraction d'attributs consiste à identifier, puis isoler et mesurer des attribut dans des données brutes afin de créer des attributs numériques ou catégoriels qui peuvent être plus facilement traités par des algorithmes d'apprentissage tout en préservant les informations des données d'origine.

En apprentissage automatique, l’extraction d'attributs sert à préparer des données pour l'entraînement de modèles.

Français

extraction d'attributs

extraction des attributs

extraction des caractéristiques

Anglais

feature extraction

features extraction

Sources

Source : MathWorks

@@ Ligne 1 : / Ligne 1 : @@
-== en construction ==
-<small>Entrez ici les domaines et catégories...</small>
-[[Category:Vocabulary]]
 == Définition ==
+L'extraction d'[[attribut|attributs]] consiste à identifier, puis isoler et mesurer des attribut dans des données brutes afin de créer des attributs numériques ou catégoriels qui peuvent être plus facilement traités par des [[algorithme d'apprentissage|algorithmes d'apprentissage]] tout en préservant les informations des données d'origine.
+En [[apprentissage automatique]], l’extraction d'attributs sert à préparer des données pour l'[[entraînement|entraînement de modèles]].
 == Français ==
+'''extraction d'attributs'''
+'''extraction des attributs'''
+'''extraction des caractéristiques'''
 == Anglais ==
+'''feature extraction'''
+'''features extraction'''
-=== Feature extraction ===
+==Sources==
-In machine learning, pattern recognition and in image processing, feature extraction starts from an initial set of measured data and builds derived values (features) intended to be informative and non-redundant, facilitating the subsequent learning and generalization steps, and in some cases leading to better human interpretations. Feature extraction is related to dimensionality reduction.
-When the input data to an algorithm is too large to be processed and it is suspected to be redundant (e.g. the same measurement in both feet and meters, or the repetitiveness of images presented as pixels), then it can be transformed into a reduced set of features (also named a feature vector). Determining a subset of the initial features is called feature selection.[1] The selected features are expected to contain the relevant information from the input data, so that the desired task can be performed by using this reduced representation instead of the complete initial data.
+[https://www.mathworks.com/discovery/feature-extraction.html#:~:text=Feature%20extraction%20refers%20to%20the,in%20the%20original%20data%20set  Source : MathWorks]
-<br/>
+[[Catégorie:GRAND LEXIQUE FRANÇAIS]]
-<br/>
-<br/>
-<br/>
-<br/>
-<br/>
-<br/>