« Poids » : différence entre les versions


Aucun résumé des modifications
Balise : Éditeur de wikicode 2017
Aucun résumé des modifications
Balise : Éditeur de wikicode 2017
Ligne 1 : Ligne 1 :
__NOTOC__
== Domaine ==
== Domaine ==
[[Category:GRAND LEXIQUE FRANÇAIS]]
[[Category:GRAND LEXIQUE FRANÇAIS]]
Ligne 6 : Ligne 5 :
[[Category:Apprentissage profond]]Apprentissage profond<br />
[[Category:Apprentissage profond]]Apprentissage profond<br />
[[Category:scotty2]]
[[Category:scotty2]]
<br />


== Définition ==
== Définition ==
Coefficient d'une caractéristique d'un modèle linéaire, ou frontière d'un réseau profond. L'entraînement d'un modèle linéaire vise à déterminer la pondération idéale de chaque caractéristique. Si la pondération est égale à 0, la caractéristique correspondante ne contribue pas au modèle.
Coefficient d'une caractéristique d'un modèle linéaire, ou frontière d'un réseau profond. L'entraînement d'un modèle linéaire vise à déterminer la pondération idéale de chaque caractéristique. Si la pondération est égale à 0, la caractéristique correspondante ne contribue pas au modèle.


== Français ==
''' pondération n.f.==


<br />
== Anglais ==
== Français ==
'''  weight'''
=== pondération n.f.===




<br />


== Anglais ==


===  weight===


<br/>
<br/>
<br/>
[https://developers.google.com/machine-learning/glossary/  Source: Google machine learning glossary ]
[https://developers.google.com/machine-learning/glossary/  Source: Google machine learning glossary ]
<br/>
<br/>[https://datafranca.org/lexique/ponderation/        ''Publié : datafranca.org'' ]
<br/>
<br/>
<br/>

Version du 15 juin 2019 à 23:05

Domaine

Apprentissage profond

Définition

Coefficient d'une caractéristique d'un modèle linéaire, ou frontière d'un réseau profond. L'entraînement d'un modèle linéaire vise à déterminer la pondération idéale de chaque caractéristique. Si la pondération est égale à 0, la caractéristique correspondante ne contribue pas au modèle.

Français

pondération n.f.==

Anglais

weight



Source: Google machine learning glossary