« Test A/B » : différence entre les versions


Aucun résumé des modifications
Balise : Éditeur de wikicode 2017
Aucun résumé des modifications
 
(13 versions intermédiaires par un autre utilisateur non affichées)
Ligne 1 : Ligne 1 :
== Domaine ==
[[Category:GRAND LEXIQUE FRANÇAIS]]
[[Category:Vocabulaire2]]
[[Category:Google2]]
[[Category:Apprentissage profond]]Apprentissage profond<br />
[[Category:scotty2]]
== Définition ==
== Définition ==
Méthode statistique de comparaison d'au moins deux techniques, généralement une technique en place et une nouvelle technique concurrente. Le test A/B vise non seulement à déterminer la technique la plus performante, mais aussi si la différence est statistiquement significative. Généralement, le test A/B compare deux techniques sur la base d'une seule mesure. Il peut cependant être appliqué à n'importe quel nombre fini de techniques et de mesures.
Méthode statistique de comparaison d'au moins deux techniques, généralement une technique en place et une nouvelle technique concurrente. Le test A/B vise non seulement à déterminer la technique la plus performante, mais aussi si la différence est statistiquement significative. Généralement, le test A/B compare deux techniques sur la base d'une seule mesure. Il peut cependant être appliqué à n'importe quel nombre fini de techniques et de mesures.


== Français ==
== Français ==
''' test A/B   n.m.'''
'''test A/B'''


== Anglais ==
== Anglais ==
''' A/B testing '''
'''A/B testing'''


==Sources==
[https://developers.google.com/machine-learning/glossary/  Source : Google machine learning glossary ]


 
[[Category:GRAND LEXIQUE FRANÇAIS]]
 
[[Category:Apprentissage profond]]
 
 
[https://developers.google.com/machine-learning/glossary/  Source: Google machine learning glossary ]

Dernière version du 29 avril 2024 à 12:21

Définition

Méthode statistique de comparaison d'au moins deux techniques, généralement une technique en place et une nouvelle technique concurrente. Le test A/B vise non seulement à déterminer la technique la plus performante, mais aussi si la différence est statistiquement significative. Généralement, le test A/B compare deux techniques sur la base d'une seule mesure. Il peut cependant être appliqué à n'importe quel nombre fini de techniques et de mesures.

Français

test A/B

Anglais

A/B testing

Sources

Source : Google machine learning glossary