Voir la source de Fléau de la haute dimension

<!-- Vocabulaire -->
[[Category:Intelligence artificielle]]

[[Category:Termino 2019]]

==Définition ==
Phénomènes observés lors de l'analyse ou de l'organisation de données dans des espaces de grande dimension qui ne se manifestent pas des espaces de dimension moindre.

Note: la dimentionnalité est le caractère d'un espace quant à ses dimensions. On ne peut donc pas parler du fléau de la dimensionalité puisque cette caractéristique n'implique pas nécessairement un grand nombre de dimension.<br>

(1) Le terme fléau anglais ''curse of dimensionality'' a été utilisé pour la première fois par Richard Bellman. Il fait référence au problème de l'augmentation exponentielle du volume associé à l'ajout de dimensions supplémentaires à un espace mathématique.

(2) On emploie ici le mot « dimension » au sens algébrique : la dimension de l’espace vectoriel sous-jacent aux valeurs des vecteurs de descripteurs. La réduction de dimensionnalité permet de réduire la complexité d’un problème d’apprentissage automatique à plusieurs niveaux : d’un point de vue théorique, cela entraîne automatiquement une amélioration des propriétés de stabilité et de robustesse des algorithmes. 

'''DOUBLON AVEC [[Fléau de la dimension]]'''

==Français==
'''fléau de la haute dimension''' 

'''fléau des hautes dimensions''' 

'''fléau de la dimensionnalité élevée'''

'''malédiction de la haute dimension''' 

'''malédiction des hautes dimensions''' 

'''malédiction de la dimensionnalité élevée'''

==Anglais==
'''curse of dimensionality'''

'''curse of dimension'''

'''curse of high dimension'''



<small>

(1) Source: IGI Global, ''[https://www.igi-global.com/dictionary/curse-of-dimensionality/6475 What is Curse of Dimensionality]''

(2) [https://dataanalyticspost.com/Lexique/reduction-de-dimensionnalite/ Source: Data Analytics Post, ''Réduction de la dimensionnalité'']

[[Utilisateur:Claude COULOMBE | source : Claude Coulombe, Datafranca.org]]