Séparation à faible densité - Historique des versions

Pitpitt : Remplacement de texte : « ↵ » par «  ==Sources== »

2024-01-28T18:02:41Z

Remplacement de texte : « ↵<small> » par «  ==Sources== »

← Version précédente		Version du 28 janvier 2024 à 14:02
Ligne 19 :		Ligne 19 :


	~~<small>~~		==Sources==

	[https://en.wikipedia.org/wiki/Semi-supervised_learning#Low-density_separation Source : Wikipedia Machine Learning ]		[https://en.wikipedia.org/wiki/Semi-supervised_learning#Low-density_separation Source : Wikipedia Machine Learning ]

Pitpitt le 16 décembre 2023 à 01:06

2023-12-16T01:06:05Z

@@ Ligne 1 : / Ligne 1 : @@
 == Définition ==
 La séparation à faible densité en apprentissage automatique concerne la séparation d’un liquide à faible densité d’un liquide ayant une densité plus élevée. Cela peut être appliqué dans divers contextes, tels que la classification semi-supervisée et la stabilité du clustering.
@@ Ligne 16 : / Ligne 24 : @@
-[[Catégorie:vocabulaire]]
+[[Catégorie:GRAND LEXIQUE FRANÇAIS]]

Mariealfaro le 12 décembre 2023 à 16:26

2023-12-12T16:26:40Z

← Version précédente		Version du 12 décembre 2023 à 12:26
Ligne 1 :		Ligne 1 :
	== Définition ==		== Définition ==
	~~XXXXXXXXX~~		La séparation à faible densité en apprentissage automatique concerne la séparation d’un liquide à faible densité d’un liquide ayant une densité plus élevée. Cela peut être appliqué dans divers contextes, tels que la classification semi-supervisée et la stabilité du clustering.

	== Français ==		== Français ==
Ligne 17 :		Ligne 17 :

	[[Catégorie:vocabulaire]]		[[Catégorie:vocabulaire]]
			[[Catégorie:publication]]
	[[Catégorie:Wikipedia-IA‎]]		[[Catégorie:Wikipedia-IA‎]]

Imeziani le 8 janvier 2022 à 14:51

2022-01-08T14:51:15Z

← Version précédente		Version du 8 janvier 2022 à 10:51
Ligne 16 :		Ligne 16 :


	[[Catégorie:~~vocabulary~~]]		[[Catégorie:vocabulaire]]
	[[Catégorie:Wikipedia-IA‎]]		[[Catégorie:Wikipedia-IA‎]]

Imeziani le 8 janvier 2022 à 14:50

2022-01-08T14:50:54Z

← Version précédente		Version du 8 janvier 2022 à 10:50
Ligne 1 :		Ligne 1 :
	~~==en construction==~~

	== Définition ==		== Définition ==
	XXXXXXXXX		XXXXXXXXX

	== Français ==		== Français ==
	''' ~~XXXXXXXXX~~ '''		''' séparation à faible densité '''

	== Anglais ==		== Anglais ==
	''' ~~Low~~-density separation'''		''' low-density separation'''

			'''LDS'''

	Another major class of methods attempts to place boundaries in regions with few data points (labeled or unlabeled). One of the most commonly used algorithms is the transductive support vector machine, or TSVM (which, despite its name, may be used for inductive learning as well). Whereas support vector machines for supervised learning seek a decision boundary with maximal margin over the labeled data, the goal of TSVM is a labeling of the unlabeled data such that the decision boundary has maximal margin over all of the data. In addition to the standard hinge loss {\displaystyle (1-yf(x))_{+}}(1-yf(x))_{+} for labeled data, a loss function {\displaystyle (1-\|f(x)\|)_{+}}(1-\|f(x)\|)_{+} is introduced over the unlabeled data by letting {\displaystyle y=\operatorname {sign} {f(x)}}y=\operatorname {sign} {f(x)}. TSVM then selects {\displaystyle f^{}(x)=h^{}(x)+b}f^{}(x)=h^{}(x)+b from a reproducing kernel Hilbert space {\displaystyle {\mathcal {H}}}{\mathcal {H}} by minimizing the regularized empirical risk:

	<small>		<small>

Imeziani : Imeziani a déplacé la page Low-density separation vers Séparation à faible densité

2022-01-08T14:41:25Z

Imeziani a déplacé la page Low-density separation vers Séparation à faible densité

← Version précédente	Version du 8 janvier 2022 à 10:41
(Aucune différence)

Pitpitt : Page créée avec « ==en construction== == Définition == XXXXXXXXX == Français == ''' XXXXXXXXX ''' == Anglais == ''' Low-density separation''' Another major class of methods attempts t... »

2020-12-18T02:10:24Z

Page créée avec « ==en construction== == Définition == XXXXXXXXX == Français == ''' XXXXXXXXX ''' == Anglais == ''' Low-density separation''' Another major class of methods attempts t... »

Nouvelle page

==en construction==

== Définition ==
XXXXXXXXX

== Français ==
''' XXXXXXXXX '''

== Anglais ==
''' Low-density separation'''

Another major class of methods attempts to place boundaries in regions with few data points (labeled or unlabeled). One of the most commonly used algorithms is the transductive support vector machine, or TSVM (which, despite its name, may be used for inductive learning as well). Whereas support vector machines for supervised learning seek a decision boundary with maximal margin over the labeled data, the goal of TSVM is a labeling of the unlabeled data such that the decision boundary has maximal margin over all of the data. In addition to the standard hinge loss {\displaystyle (1-yf(x))_{+}}(1-yf(x))_{+} for labeled data, a loss function {\displaystyle (1-|f(x)|)_{+}}(1-|f(x)|)_{+} is introduced over the unlabeled data by letting {\displaystyle y=\operatorname {sign} {f(x)}}y=\operatorname {sign} {f(x)}. TSVM then selects {\displaystyle f^{*}(x)=h^{*}(x)+b}f^{*}(x)=h^{*}(x)+b from a reproducing kernel Hilbert space {\displaystyle {\mathcal {H}}}{\mathcal {H}} by minimizing the regularized empirical risk:

<small>

[https://en.wikipedia.org/wiki/Semi-supervised_learning#Low-density_separation Source : Wikipedia Machine Learning ]

[[Catégorie:vocabulary]]
[[Catégorie:Wikipedia-IA‎]]