|
|
| (9 versions intermédiaires par 2 utilisateurs non affichées) |
| Ligne 1 : |
Ligne 1 : |
| == Définition == | | ==Définition== |
| | En apprentissage automatique, les attributs sont les variables utilisées pour représenter un objet. Par exemple, pour décrire un arbre, on peut identifier différents attributs comme : la forme de ses feuilles, sa taille, le diamètre de son tronc, la couleur de son écorce, la couleur de ses feuilles, etc. |
|
| |
|
| En intelligence artificielle, les attributs sont les variables utilisées pour représenter un objet ou une '''[https://datafranca.org/wiki/Classe classe]''' d'objet. De même, en apprentissage automatique, un jeu de données est un ensemble d’exemples où chaque exemple comporte des attributs. Par exemple, pour décrire un arbre, on utilise ses différents attributs comme la forme de ses feuilles, sa taille, le diamètre de son tronc, la couleur de son écorce, la couleur de ses feuilles, etc.
| | ==Français== |
| | |
| On distingue plusieurs types d’attributs selon les valeurs qui les caractérisent. En gros, on distinguera entre les attributs qualitatifs et les attributs quantitatifs (i.e. des nombres).
| |
| | |
| En français, pour traduire le terme anglais ''feature'', on utilise les termes attribut, caractéristique, propriété, trait, ou parfois, en France, variable explicative. Nous recommandons l’emploi du terme « attribut » dans le but de s’aligner sur la terminologie bien établie en intelligence artificielle, plus particulièrement en représentation des connaissances qui se fonde sur le fameux triplet « objet, attribut, valeur » dont l’emploi remonte aux philosophes grecs.
| |
| | |
| ==Compléments==
| |
| | |
| En plus de distinguer les attributs qualitatifs et les attributs quantitatifs (i.e. des nombres), une autre distinction sépare les attributs quantitatifs entre les valeurs numériques discrètes (des nombres entiers, 0, 1, 2, 3, etc.) et valeurs numériques continues (des nombres avec décimales, 3.14, 2.6, etc.).
| |
| | |
| Les attributs qualitatifs sont le plus souvent des attributs catégoriels et des valeurs discrètes comme par exemple, la couleur: bleu, blanc rouge, vert, etc.
| |
| <hr/>
| |
| En apprentissage supervisé, on isole un attribut comme étant la classe-cible ou la variable à prédire et on utilisera les autres attributs pour prédire cette classe-cible. Par exemple, dans la description de différents arbres, pour distinguer entre un sapin et un érable, on utilisera les attributs comme la taille, la couleur, la forme de la feuille, etc. Dans un tel cas, un seul attribut, la forme de la feuille, soit la présence d’aiguilles, pourra permettre de trancher. Mais on peut imaginer des scénarios beaucoup plus complexes où c’est une combinaison d’attributs qui permettra d’arriver à une bonne prédiction.
| |
| | |
| En apprentissage non supervisé, on utilisera la similarité entre les valeurs des attributs pour créer des groupes. Par exemple, la forme de la feuille en aiguilles pourrait nous permettre de regrouper tous les conifères.
| |
| | |
| == Français == | |
| '''attribut''' | | '''attribut''' |
|
| |
|
| Ligne 28 : |
Ligne 13 : |
| '''variable explicative''' | | '''variable explicative''' |
|
| |
|
| == Anglais == | | ==Anglais== |
|
| |
|
| '''feature''' | | '''feature''' |
| Ligne 34 : |
Ligne 19 : |
| '''attribute''' | | '''attribute''' |
|
| |
|
| <small>
| | ==Sources== |
| [http://gdt.oqlf.gouv.qc.ca/ficheOqlf.aspx?Id_Fiche=26503619 Source : Le grand dictionnaire terminologique ]
| |
|
| |
|
| </small><br> <div style="border:2px solid #336699; background: #f6f6f6; padding: 1em; margin-bottom:1em; width: 90%;"><html><a href="https://datafranca.org/wiki/Cat%C3%A9gorie:101"><img src="https://datafranca.org/images/icone-101-mots.png" width="250"></a></html>
| | [http://gdt.oqlf.gouv.qc.ca/ficheOqlf.aspx?Id_Fiche=26503619 Source : Le grand dictionnaire terminologique] |
|
| |
|
| [https://datafranca.org/quest-ce-que-les-attributs/ AUDIO : Qu’est-ce que les attributs ?]
| | {{Modèle:101}} |
| <br></div><br><br>
| |
|
| |
|
| [[Catégorie:GRAND LEXIQUE FRANÇAIS]] | | [[Catégorie:GRAND LEXIQUE FRANÇAIS]] |
| [[Catégorie:101]] | | [[Catégorie:101]] |
Définition
En apprentissage automatique, les attributs sont les variables utilisées pour représenter un objet. Par exemple, pour décrire un arbre, on peut identifier différents attributs comme : la forme de ses feuilles, sa taille, le diamètre de son tronc, la couleur de son écorce, la couleur de ses feuilles, etc.
Français
attribut
caractéristique
propriété
trait
variable explicative
Anglais
feature
attribute
Sources
Source : Le grand dictionnaire terminologique
101 MOTS DE L' IA
Ce terme est sélectionné pour le livre « Les 101 mots de l'intelligence artificielle »
