« Astuce du noyau » : différence entre les versions


m (Remplacement de texte — « <small> féminin </small> » par «  »)
m (Remplacement de texte : « ↵↵==Sources== » par «  ==Sources== »)
 
(5 versions intermédiaires par 3 utilisateurs non affichées)
Ligne 1 : Ligne 1 :
==Définition==
==Définition==
En apprentissage automatique, l'astuce du noyau, ou ''kernel trick'' en anglais, est une méthode qui permet d'utiliser un classifieur linéaire pour résoudre un problème non linéaire. L'idée est de transformer l'espace de représentation des données d'entrée en un espace de plus grande dimension, où un classifieur linéaire peut être utilisé et obtenir de bonnes performances. La discrimination linéaire dans l'espace de grande dimension (appelé aussi espace de redescription) est équivalente à une discrimination non linéaire dans l'espace d'origine.
En '''[[apprentissage automatique]]''', l'astuce du noyau (en anglais, ''kernel trick'') permet d'utiliser un classificateur linéaire pour résoudre un problème non linéaire.  
 
L'idée est de transformer l'espace de représentation des données d'entrée en un espace de plus grande dimension, où un classificateur linéaire peut être utilisé pour séparer les données. La discrimination linéaire dans l'espace de grande dimension (appelé aussi espace de redescription) est équivalente à une discrimination non linéaire dans l'espace d'origine.


==Français==
==Français==
Ligne 6 : Ligne 8 :


==Anglais==
==Anglais==
'''Kernel trick '''
'''kernel trick '''
 
==Sources==
<small>
 
[https://fr.wikipedia.org/wiki/Astuce_du_noyau Source : Wikipedia IA]
[https://fr.wikipedia.org/wiki/Astuce_du_noyau Source : Wikipedia IA]


[[Catégorie:Intelligence artificielle]]
[[Catégorie:Intelligence artificielle]]
[[Catégorie:Apprentissage automatique]]
[[Catégorie:Apprentissage automatique]]
[[Catégorie:GRAND LEXIQUE FRANÇAIS]]
[[Catégorie:GRAND LEXIQUE FRANÇAIS]]

Dernière version du 30 août 2024 à 14:05

Définition

En apprentissage automatique, l'astuce du noyau (en anglais, kernel trick) permet d'utiliser un classificateur linéaire pour résoudre un problème non linéaire.

L'idée est de transformer l'espace de représentation des données d'entrée en un espace de plus grande dimension, où un classificateur linéaire peut être utilisé pour séparer les données. La discrimination linéaire dans l'espace de grande dimension (appelé aussi espace de redescription) est équivalente à une discrimination non linéaire dans l'espace d'origine.

Français

astuce du noyau

Anglais

kernel trick

Sources

Source : Wikipedia IA