« Apprentissage de variété » : différence entre les versions
Aucun résumé des modifications |
m (Remplacement de texte : « ↵↵==Sources== » par « ==Sources== ») |
||
| (3 versions intermédiaires par 2 utilisateurs non affichées) | |||
| Ligne 1 : | Ligne 1 : | ||
== Définition == | == Définition == | ||
L'apprentissage de variété est une approche de la réduction non linéaire de la dimensionnalité. Les algorithmes pour cette tâche sont basés sur l'idée que la dimensionnalité de nombreux ensembles de données n'est qu'artificiellement élevée. | L'apprentissage de [[variété]] est une approche de la réduction non linéaire de la dimensionnalité. Les algorithmes pour cette tâche sont basés sur l'idée que la dimensionnalité de nombreux ensembles de données n'est qu'artificiellement élevée. | ||
== Français == | == Français == | ||
| Ligne 7 : | Ligne 7 : | ||
== Anglais == | == Anglais == | ||
'''Manifold learning ''' | '''Manifold learning ''' | ||
==Sources== | |||
[https://www.apprentissageprofond.org/ Source : ''L'apprentissage profond'', Ian Goodfellow, Yoshua Bengio et Aaron Courville Éd. Massot 2018 page 175 ] | [https://www.apprentissageprofond.org/ Source : ''L'apprentissage profond'', Ian Goodfellow, Yoshua Bengio et Aaron Courville Éd. Massot 2018 page 175 ] | ||
Dernière version du 30 août 2024 à 13:53
Définition
L'apprentissage de variété est une approche de la réduction non linéaire de la dimensionnalité. Les algorithmes pour cette tâche sont basés sur l'idée que la dimensionnalité de nombreux ensembles de données n'est qu'artificiellement élevée.
Français
Apprentissage de variété
Anglais
Manifold learning
Sources
Contributeurs: Claire Gorjux, Jacques Barolet, Marie Alfaro, Patrick Drouin, wiki
