« Régularisation L1 » : différence entre les versions
m (Remplacement de texte — « <small>loc. nom. fém.</small> » par « <small> féminin </small> ») |
Aucun résumé des modifications |
||
(2 versions intermédiaires par un autre utilisateur non affichées) | |||
Ligne 2 : | Ligne 2 : | ||
Régularisation qui ajuste à la baisse les poids au sein d'un modèle proportionnellement à la somme de leurs valeurs absolues afin de contrer le surajustement. | Régularisation qui ajuste à la baisse les poids au sein d'un modèle proportionnellement à la somme de leurs valeurs absolues afin de contrer le surajustement. | ||
Remarque : le terme LASSO signifie ''Least Absolute Shrinkage and Selection Operator'' | |||
==Français== | ==Français== | ||
'''régularisation L1''' | '''régularisation L1''' | ||
'''régularisation LASSO''' | '''régularisation LASSO''' | ||
'''régularisation Lasso''' | '''régularisation Lasso''' | ||
==Anglais== | ==Anglais== | ||
'''L1 regularization''' | '''L1 regularization''' | ||
Ligne 20 : | Ligne 19 : | ||
==Sources== | |||
Source : Géron, Aurélien (2017). ''Deep Learning avec TensorFlow - Mise en oeuvre et cas concrets'', Paris, Dunod, 360 pages. | |||
Source: Géron, Aurélien (2017). ''Deep Learning avec TensorFlow - Mise en oeuvre et cas concrets'', Paris, Dunod, 360 pages. | |||
[ | [https://developers.google.com/machine-learning/glossary/ Source : ''Google machine learning glossary''] | ||
[[Utilisateur:Patrickdrouin | Source : Termino]] | |||
[[Category:GRAND LEXIQUE FRANÇAIS]] | [[Category:GRAND LEXIQUE FRANÇAIS]] |
Dernière version du 25 avril 2024 à 16:59
Définition
Régularisation qui ajuste à la baisse les poids au sein d'un modèle proportionnellement à la somme de leurs valeurs absolues afin de contrer le surajustement.
Remarque : le terme LASSO signifie Least Absolute Shrinkage and Selection Operator
Français
régularisation L1
régularisation LASSO
régularisation Lasso
Anglais
L1 regularization
Lasso regularization
LASSO regularization
Sources
Source : Géron, Aurélien (2017). Deep Learning avec TensorFlow - Mise en oeuvre et cas concrets, Paris, Dunod, 360 pages.
Contributeurs: Claire Gorjux, Jacques Barolet, Patrick Drouin, wiki, Robert Meloche