« Modèle non paramétrique » : différence entre les versions


Aucun résumé des modifications
m (Remplacement de texte : « ↵<small> » par «  ==Sources== »)
 
(3 versions intermédiaires par 2 utilisateurs non affichées)
Ligne 3 : Ligne 3 :


== Complément ==
== Complément ==
Ces modèles non paramétriques sont définis entièrement à partir des données par des estimations de la distribution statistique, par exemple la densité.  
Ces modèles non paramétriques sont définis entièrement à partir des données par des estimations de la distribution statistique, par exemple l'estimation de la densité.  


Typiquement, les modèles non paramétriques exigent un grand volume de données afin de s'assurer d'avoir une couverture complète de l'espace de la distribution statistique.  
Typiquement, les modèles non paramétriques exigent un grand volume de données afin de s'assurer d'avoir une couverture complète de l'espace de la distribution statistique.  
Ligne 13 : Ligne 13 :
'''non-parametric model'''
'''non-parametric model'''


<small>
==Sources==


[https://deepai.org/machine-learning-glossary-and-terms/non-parametric-model  Source : DeepAI.org ]
[https://deepai.org/machine-learning-glossary-and-terms/non-parametric-model  Source : DeepAI.org ]

Dernière version du 28 janvier 2024 à 10:26

Définition

Les modèles non paramétriques sont des modèles statistiques qui ne se conforment pas à une loi statistique comportant des paramètres (par exemple la distribution normale avec ses paramètres de moyenne et de variance).

Complément

Ces modèles non paramétriques sont définis entièrement à partir des données par des estimations de la distribution statistique, par exemple l'estimation de la densité.

Typiquement, les modèles non paramétriques exigent un grand volume de données afin de s'assurer d'avoir une couverture complète de l'espace de la distribution statistique.

Français

modèle non paramétrique

Anglais

non-parametric model

Sources

Source : DeepAI.org

Source : TERMIUM Plus