« Perte » : différence entre les versions

Version du 11 décembre 2018 à 19:26

Domaine

Vocabulaire
Google
Apprentissage profond

[[Category:9]

Définition

Mesure de l'écart entre les prédictions d'un modèle et son étiquette. Ou, de façon plus pragmatique : la performance du modèle est-elle bonne ? Pour déterminer cette valeur, un modèle doit définir une fonction de perte. Par exemple, les modèles de régression linéaire utilisent généralement l'erreur quadratique moyenne comme fonction de perte, tandis que les modèles de régression logistiques utilisent la perte logistique.

Termes privilégiés

perte n.f.

Anglais

loss

Source: Google machine learning glossary

@@ Ligne 10 : / Ligne 10 : @@
 == Définition ==
-Mesure de l'écart entre les prédictions d'un modèle et son étiquette. Ou, de façon plus pessimiste, mesure de la médiocrité du modèle. Pour déterminer cette valeur, un modèle doit définir une fonction de perte. Par exemple, les modèles de régression linéaire utilisent généralement l'erreur quadratique moyenne comme fonction de perte, tandis que les modèles de régression logistiques utilisent la perte logistique.
+Mesure de l'écart entre les prédictions d'un modèle et son étiquette. Ou, de façon plus pragmatique : la '''performance''' du modèle est-elle bonne ?  Pour déterminer cette valeur, un modèle doit définir une fonction de perte. Par exemple, les modèles de régression linéaire utilisent généralement l'erreur quadratique moyenne comme fonction de perte, tandis que les modèles de régression logistiques utilisent la perte logistique.
 <br />
 == Termes privilégiés ==
 === perte n.f.===

« Perte » : différence entre les versions