« Échantillonnage d’importance biaisé » : différence entre les versions
Aucun résumé des modifications |
m (Remplacement de texte : « ↵<small> » par « ==Sources== ») |
||
(2 versions intermédiaires par le même utilisateur non affichées) | |||
Ligne 8 : | Ligne 8 : | ||
'''biased importance sampling''' | '''biased importance sampling''' | ||
==Sources== | |||
[https://www.apprentissageprofond.org/ Source : ''L'apprentissage profond'', Ian Goodfellow, Yoshua Bengio et Aaron Courville Éd. Massot 2018 page 588 ] | [https://www.apprentissageprofond.org/ Source : ''L'apprentissage profond'', Ian Goodfellow, Yoshua Bengio et Aaron Courville Éd. Massot 2018 page 588 ] | ||
[https://fr.wikipedia.org/wiki/%C3%89chantillonnage_pr%C3%A9f%C3%A9rentiel#Principe_de_l'%C3%A9chantillonnage_pr%C3%A9f%C3%A9rentiel Source : Wikipédia ] | [https://fr.wikipedia.org/wiki/%C3%89chantillonnage_pr%C3%A9f%C3%A9rentiel#Principe_de_l'%C3%A9chantillonnage_pr%C3%A9f%C3%A9rentiel Source : Wikipédia ] | ||
{{DEFAULTSORT: Echantillonnage préférentiel avec distribution biaisée}} | |||
[[Catégorie:Apprentissage profond]] | [[Catégorie:Apprentissage profond]] | ||
[[Catégorie:GRAND LEXIQUE FRANÇAIS]] |
Dernière version du 28 janvier 2024 à 14:18
Définition
L’échantillonnage préférentiel (EP) est une méthode de réduction de la variance qui peut être utilisée dans la méthode de Monte-Carlo. L’idée sous-jacente à l’EP est que certaines valeurs prises par une variable aléatoire dans une simulation ont plus d’effet que d’autres sur l’estimateur recherché. Si ces valeurs importantes se réalisent plus souvent, la variance de l’estimateur peut être réduite. Par conséquent, la méthode de l’EP est de choisir une distribution qui « encourage » les valeurs importantes. L’utilisation d’une distribution biaisée conduira à un estimateur biaisé si on l’applique directement aux simulations.
Français
échantillonnage préférentiel avec distribution biaisée
Anglais
biased importance sampling
Sources
Contributeurs: Imane Meziani, Isaline Hodecent, Jacques Barolet, wiki