« Modèle prédictif » : différence entre les versions


Aucun résumé des modifications
Balise : Éditeur de wikicode 2017
m (Remplacement de texte : « ↵<small> » par «  ==Sources== »)
(26 versions intermédiaires par 4 utilisateurs non affichées)
Ligne 1 : Ligne 1 :
[[Category:Intelligence artificielle]]
==Définition==
[[Category:Apprentissage automatique]]
En apprentissage automatique, un modèle prédictif a pour tâche de prédire, sur la base d’un entraînement sur des données, un résultat (ou une action) pour un problème particulier. Le plus souvent, cette prédiction peut prendre la forme d’une probabilité (ou pourcentage).
[[Category:Termino 2019]]
 
<!-- Scotty2 -->
Un modèle prédictif de classification sera capable de prédire l’appartenance à une classe pour des données nouvelles sur la base d’un entraînement réalisé auparavant sur un jeu de données étiquetées. Par exemple, un modèle prédictif apprendra à associer le contenu d’un courriel à l’annotation « pourriel » ou « non pourriel » s’il est entraîné sur des centaines, voire des milliers de courriels annotés.
[[Category:GRAND LEXIQUE FRANÇAIS]]
 
Certains modèles prédictifs exploitent des tendances découvertes à l’intérieur d’ensembles de données historiques ([[Série chronologique|séries chronologiques]]) afin de prédire un résultat futur.
 
voir aussi '''[[algorithme prédictif]] ''' 
 
==Compléments==
En prédiction, on distingue les problèmes de régression des problèmes de classement. Ainsi, on considère que les problèmes de prédiction d'une variable quantitative sont des problèmes de régression tandis que les problèmes de prédiction d'une variable qualitative sont des problèmes de classification.
 
Un modèle prédictif peut être un simple classificateur binaire, un modèle de régression pour la prédiction d'un nombre ou quelque chose de plus complexe comme un classificateur multiclasses (''multiclass'') et multiétiquettes (''multilabel'').
 
La logique prédictive englobe une variété de techniques issues des statistiques, de l'extraction de connaissances à partir de données et de la théorie des jeux. Dans le monde des affaires, des modèles prédictifs exploitent des régularités découvertes à l'intérieur d'ensembles de données historiques et transactionnelles pour identifier les risques ou les occasions d'affaires.


==Définition==
<hr/>
Modèle capable de prédire l'appartenance à une classe pour des données nouvelles sur la base d'un apprentissage réalisé auparavant sur un jeu de données.
Par abus de langage, on finit par ne plus distinguer entre l’algorithme prédictif, le modèle prédictif, le réseau de neurones prédictif et l'architecture prédictive.


==Français==
==Français==
'''modèle prédictif'''  n.m.


'''modèle discriminant''' n.m.
'''modèle prédictif''' 
 
'''modèle discriminant'''  
 
'''architecture prédictive'''


==Anglais==
==Anglais==
Ligne 19 : Ligne 32 :




<small>
==Sources==
 
[https://fr.wikipedia.org/wiki/Analyse_pr%C3%A9dictive Source: Wikipedia, ''Analyse prédictive''.]


Source: Institut canadien des actuaires (sans date). ''Modélisation prédictive : Transformer les mégadonnées en grandes possibilités'', 55 pages.
Source: Institut canadien des actuaires (sans date). ''Modélisation prédictive : Transformer les mégadonnées en grandes possibilités'', 55 pages.
Ligne 26 : Ligne 41 :


[[Utilisateur:Patrickdrouin  | Source: Termino]]
[[Utilisateur:Patrickdrouin  | Source: Termino]]
</small><br> {{Modèle:101}}<br>
[[Category:Termino 2019]]
[[Category:GRAND LEXIQUE FRANÇAIS]]
[[Catégorie:101]]

Version du 28 janvier 2024 à 10:03

Définition

En apprentissage automatique, un modèle prédictif a pour tâche de prédire, sur la base d’un entraînement sur des données, un résultat (ou une action) pour un problème particulier. Le plus souvent, cette prédiction peut prendre la forme d’une probabilité (ou pourcentage).

Un modèle prédictif de classification sera capable de prédire l’appartenance à une classe pour des données nouvelles sur la base d’un entraînement réalisé auparavant sur un jeu de données étiquetées. Par exemple, un modèle prédictif apprendra à associer le contenu d’un courriel à l’annotation « pourriel » ou « non pourriel » s’il est entraîné sur des centaines, voire des milliers de courriels annotés.

Certains modèles prédictifs exploitent des tendances découvertes à l’intérieur d’ensembles de données historiques (séries chronologiques) afin de prédire un résultat futur.

voir aussi algorithme prédictif

Compléments

En prédiction, on distingue les problèmes de régression des problèmes de classement. Ainsi, on considère que les problèmes de prédiction d'une variable quantitative sont des problèmes de régression tandis que les problèmes de prédiction d'une variable qualitative sont des problèmes de classification.

Un modèle prédictif peut être un simple classificateur binaire, un modèle de régression pour la prédiction d'un nombre ou quelque chose de plus complexe comme un classificateur multiclasses (multiclass) et multiétiquettes (multilabel).

La logique prédictive englobe une variété de techniques issues des statistiques, de l'extraction de connaissances à partir de données et de la théorie des jeux. Dans le monde des affaires, des modèles prédictifs exploitent des régularités découvertes à l'intérieur d'ensembles de données historiques et transactionnelles pour identifier les risques ou les occasions d'affaires.


Par abus de langage, on finit par ne plus distinguer entre l’algorithme prédictif, le modèle prédictif, le réseau de neurones prédictif et l'architecture prédictive.

Français

modèle prédictif

modèle discriminant

architecture prédictive

Anglais

predictive model

discriminative model


Sources

Source: Wikipedia, Analyse prédictive.

Source: Institut canadien des actuaires (sans date). Modélisation prédictive : Transformer les mégadonnées en grandes possibilités, 55 pages.

Source: Do, Quoc-Khanh Do;  Alexandre Allauzen et François Yvon (2015). Apprentissage discriminant des modèles continus de traduction, Actes de TALN, Caen, 12 pages.

Source: Termino



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