« Régularisation » : différence entre les versions


m (Remplacement de texte — « Termes privilégiés » par « Français »)
Aucun résumé des modifications
 
(33 versions intermédiaires par 5 utilisateurs non affichées)
Ligne 1 : Ligne 1 :
__NOTOC__
==Définition==
== Domaine ==
Processus qui consiste généralement à pénaliser les valeurs extrêmes des paramètres d'un [[modèle]] afin d'éviter un éventuel [[surajustement]].
[[Category:GRAND LEXIQUE FRANÇAIS]]
[[Category:Vocabulaire2]]
[[Category:Google2]]
[[Category:Apprentissage profond2]]
[[Category:scotty2]]
<br />


== Définition ==
Remarque : les régularisations les plus couramment employées dans le domaine des mathématiques, statistiques et de l'apprentissage automatique sont les régularisations L1 et L2.
Pénalité pour la complexité d'un modèle. La régularisation aide à éviter le surapprentissage. Les différents types de régularisation sont notamment :


*    '''Régularisation L1'''
==Français==
*    '''Régularisation L2'''
'''régularisation'''     
*    '''Régularisation par abandon'''
*   '''Arrêt prématuré''' (Il ne s'agit pas vraiment d'une méthode de régularisation, mais l'arrêt prématuré peut limiter efficacement le surapprentissage.)


==Anglais==
'''regularization'''


==Sources==
Source : Nicolas Chapados, Yoshua Bengio (2003). ''Comment améliorer la capacité de généralisation des algorithmes d'apprentissage pour la prise de décisions financières'', Montréal, CIRANO, 68 pages


<br />
[[Utilisateur:Patrickdrouin  | Source : Termino]]


== Français ==
[https://developers.google.com/machine-learning/glossary/ Source : ''Google machine learning glossary'']
=== régularisation <small>n.f.</small> ===


 
[[Category:GRAND LEXIQUE FRANÇAIS]]
<br />
[[Category:Intelligence artificielle]]
 
[[Catégorie:Apprentissage profond]]
== Anglais ==
 
===  regularization===
 
<br/>
<br/>
<br/>
[https://developers.google.com/machine-learning/glossary/  Source: Google machine learning glossary ]
<br/>
<br/>
<br/>

Dernière version du 31 octobre 2024 à 03:03

Définition

Processus qui consiste généralement à pénaliser les valeurs extrêmes des paramètres d'un modèle afin d'éviter un éventuel surajustement.

Remarque : les régularisations les plus couramment employées dans le domaine des mathématiques, statistiques et de l'apprentissage automatique sont les régularisations L1 et L2.

Français

régularisation

Anglais

regularization

Sources

Source : Nicolas Chapados, Yoshua Bengio (2003). Comment améliorer la capacité de généralisation des algorithmes d'apprentissage pour la prise de décisions financières, Montréal, CIRANO, 68 pages

Source : Termino

Source : Google machine learning glossary

Récupérée de « https://datafranca.org/wiki/index.php?title=Régularisation&oldid=109977 »

Contributeurs: Claire Gorjux, Claude Coulombe, Jacques Barolet, Patrick Drouin, wiki, Robert Meloche