« Biais » : différence entre les versions
Aucun résumé des modifications |
Aucun résumé des modifications |
||
Ligne 19 : | Ligne 19 : | ||
[https://dataanalyticspost.com/Lexique/biais/ Source : Data Analytics Post] | [https://dataanalyticspost.com/Lexique/biais/ Source : Data Analytics Post] | ||
</small><br> <div style="border:2px solid #336699; background: #f6f6f6; padding: 1em; margin-bottom:1em; width: 90%;"><html><a href="https://datafranca.org/wiki/Cat%C3%A9gorie:101"><img src="https://datafranca.org/images/icone-101-mots.png" width="250"></a></html> | |||
<br></div><br><br> | |||
[[Catégorie:GDT]] | [[Catégorie:GDT]] | ||
[[Catégorie:GRAND LEXIQUE FRANÇAIS]] | [[Catégorie:GRAND LEXIQUE FRANÇAIS]] | ||
[[Catégorie:101]] | [[Catégorie:101]] |
Version du 27 juillet 2022 à 11:40
Définition
Le biais est une des deux erreurs utilisée pour définir la qualité d’un algorithme d’apprentissage (l’autre étant la variance).
Les algorithmes d’apprentissage tentent d’approcher la relation exacte entre des variables d’entrée et de sortie d’un problème. Le modèle utilisé par l’algorithme est plus simple que le problème que l’on cherche à apprendre, il ne permet donc pas de rendre compte de toute sa complexité. On qualifie cette erreur faite dans les hypothèses du modèle de « biais ». On définit aussi parfois le biais comme la distance» entre le meilleur modèle pouvant être appris par l’algorithme et le vrai modèle.
À ne pas confondre avec le biais de prédiction. ou une Erreur systématique
Français
biais
Anglais
bias
Source: Google machine learning glossary
Contributeurs: Claude Coulombe, Jacques Barolet, wiki, Robert Meloche