« Régularisation L2 » : différence entre les versions
m (Remplacement de texte : « ↵<small> » par « ==Sources== ») |
Aucun résumé des modifications |
||
| Ligne 2 : | Ligne 2 : | ||
Régularisation qui ajuste à la baisse les poids au sein d'un modèle proportionnellement à la somme des carrés de leurs valeurs afin de contrer le surajustement. | Régularisation qui ajuste à la baisse les poids au sein d'un modèle proportionnellement à la somme des carrés de leurs valeurs afin de contrer le surajustement. | ||
Remarque : la régularisation L2 vise à ce que les poids dont la valeur est marginale (valeur positive ou négative très élevée ou très faible) se rapprochent le plus possible de 0 (sans jamais l'atteindre). | |||
==Français== | ==Français== | ||
| Ligne 10 : | Ligne 10 : | ||
==Anglais== | ==Anglais== | ||
'''L2 regularization''' | '''L2 regularization''' | ||
| Ligne 17 : | Ligne 16 : | ||
==Sources== | ==Sources== | ||
Source : Géron, Aurélien (2017). ''Deep Learning avec TensorFlow - Mise en oeuvre et cas concrets'', Paris, Dunod, 360 pages. | |||
[https://developers.google.com/machine-learning/crash-course/regularization-for-simplicity/l2-regularization?hl=fr Source : Developers.google Machine learning, ''Régularisation à des fins de simplicité : régularisation L₂.''] | |||
[https://developers.google.com/machine-learning/crash-course/regularization-for-simplicity/l2-regularization?hl=fr Source: Developers.google Machine learning, ''Régularisation à des fins de simplicité : régularisation L₂. | |||
[ | [https://developers.google.com/machine-learning/glossary/ Source : ''Google machine learning glossary''] | ||
[[Utilisateur:Patrickdrouin | Source : Termino]] | |||
[[Category:GRAND LEXIQUE FRANÇAIS]] | [[Category:GRAND LEXIQUE FRANÇAIS]] | ||
[[Category:Apprentissage profond]] | [[Category:Apprentissage profond]] | ||
[[Category:Termino 2019]] | [[Category:Termino 2019]] | ||
Dernière version du 25 avril 2024 à 17:00
Définition
Régularisation qui ajuste à la baisse les poids au sein d'un modèle proportionnellement à la somme des carrés de leurs valeurs afin de contrer le surajustement.
Remarque : la régularisation L2 vise à ce que les poids dont la valeur est marginale (valeur positive ou négative très élevée ou très faible) se rapprochent le plus possible de 0 (sans jamais l'atteindre).
Français
régularisation L2
régularisation de Ridge
Anglais
L2 regularization
Ridge 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
