« Régularisation » : différence entre les versions

Dernière version du 19 avril 2026 à 20:15

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

A process that generally consists of penalizing the extreme values of a model's parameters to avoid overfitting.

Note: the most commonly used regularizations in mathematics, statistics and machine learning are L1 and L2 regularizations.

Español

regularización

Proceso que consiste generalmente en penalizar los valores extremos de los parámetros de un modelo para evitar el sobreajuste.

Nota: las regularizaciones más utilizadas en matemáticas, estadística y aprendizaje automático son las regularizaciones L1 y L2.

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 101 MOTS DE L' IA
Ce terme est sélectionné pour le livre « Les 101 mots de l'intelligence artificielle »

@@ Ligne 1 : / Ligne 1 : @@
 ==Définition==
-Processus qui consiste généralement à pénaliser les valeurs extrêmes des paramètres d'un modèle afin d'éviter un éventuel surajustement.
+Processus qui consiste généralement à pénaliser les valeurs extrêmes des [[Paramètre|paramètres]] d'un [[modèle]] afin d'éviter un éventuel [[surajustement]].
-Note: les régularisations les plus couramment employées dans le domaine des mathématiques, statistiques et de l'apprentissage automatique sont les régularisations L1 et L2.
+Remarque : les régularisations les plus couramment employées dans le domaine des mathématiques, statistiques et de l'[[apprentissage automatique]] sont les régularisations [[Régularisation L1|L1]] et [[Régularisation L2|L2]].
 ==Français==
-'''régularisation'''   <small>féminin</small>
+'''régularisation'''
 ==Anglais==
 '''regularization'''
+A process that generally consists of penalizing the extreme values of a model's parameters to avoid overfitting.
+Note: the most commonly used regularizations in mathematics, statistics and machine learning are L1 and L2 regularizations.
+==Español==
+[[Catégorie:es]]
-<small>
+''''' regularización '''''
-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
+''Proceso que consiste generalmente en penalizar los valores extremos de los parámetros de un modelo para evitar el sobreajuste.''
-[[Utilisateur:Patrickdrouin  | Source : Termino]]
+''Nota: las regularizaciones más utilizadas en matemáticas, estadística y aprendizaje automático son las regularizaciones L1 y L2.''
-[https://developers.google.com/machine-learning/glossary/ Source: ''Google machine learning glossary'']
+==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
+[[Utilisateur:Patrickdrouin  | Source : Termino]]
+[https://developers.google.com/machine-learning/glossary/ Source : ''Google machine learning glossary'']
+{{Modèle:101}}
 [[Category:GRAND LEXIQUE FRANÇAIS]]
 [[Category:Intelligence artificielle]]
 [[Catégorie:Apprentissage profond]]
-[[Category:Termino 2019]]
+[[Catégorie:101]]

« Régularisation » : différence entre les versions