« Régularisation L2 » : différence entre les versions
Aucun résumé des modifications Balise : Éditeur de wikicode 2017 |
m (Remplacement de texte : « Category:Termino 2019 » par « ») |
||
| (17 versions intermédiaires par 3 utilisateurs non affichées) | |||
| Ligne 1 : | Ligne 1 : | ||
==Définition== | |||
== Définition == | |||
Régularisation qui ajuste à la baisse les poids au sein d'un modèle proportionnellement à la somme des carrés de leurs valeurs afin de contrer le surajustement. | Régularisation qui ajuste à la baisse les poids au sein d'un modèle proportionnellement à la somme des carrés de leurs valeurs afin de contrer le surajustement. | ||
Remarque : la régularisation L2 vise à ce que les poids dont la valeur est marginale (valeur positive ou négative très élevée ou très faible) se rapprochent le plus possible de 0 (sans jamais l'atteindre). | |||
==Français== | |||
'''régularisation L2''' | |||
'''régularisation de Ridge ''' | |||
'''régularisation de Ridge ''' | |||
==Anglais== | |||
'''L2 regularization''' | '''L2 regularization''' | ||
| Ligne 25 : | Ligne 15 : | ||
Source : Géron, Aurélien (2017). Deep Learning avec TensorFlow - Mise en oeuvre et cas concrets, Paris, Dunod, 360 pages. | ==Sources== | ||
Source : Géron, Aurélien (2017). ''Deep Learning avec TensorFlow - Mise en oeuvre et cas concrets'', Paris, Dunod, 360 pages. | |||
[https://developers.google.com/machine-learning/crash-course/regularization-for-simplicity/l2-regularization?hl=fr Source : Developers.google Machine learning, ''Régularisation à des fins de simplicité : régularisation L₂.''] | |||
[https://developers.google.com/machine-learning/glossary/ | [https://developers.google.com/machine-learning/glossary/ Source : ''Google machine learning glossary''] | ||
[[Utilisateur:Patrickdrouin | Source : Termino]] | |||
[[ | [[Category:GRAND LEXIQUE FRANÇAIS]] | ||
[[Category:Apprentissage profond]] | |||
Dernière version du 11 octobre 2024 à 08:33
Définition
Régularisation qui ajuste à la baisse les poids au sein d'un modèle proportionnellement à la somme des carrés de leurs valeurs afin de contrer le surajustement.
Remarque : la régularisation L2 vise à ce que les poids dont la valeur est marginale (valeur positive ou négative très élevée ou très faible) se rapprochent le plus possible de 0 (sans jamais l'atteindre).
Français
régularisation L2
régularisation de Ridge
Anglais
L2 regularization
Ridge regularization
Sources
Source : Géron, Aurélien (2017). Deep Learning avec TensorFlow - Mise en oeuvre et cas concrets, Paris, Dunod, 360 pages.
Contributeurs: Claire Gorjux, Jacques Barolet, Patrick Drouin, wiki, Robert Meloche
