« Encodage un parmi n » : différence entre les versions


Aucun résumé des modifications
Balise : Éditeur de wikicode 2017
m (Remplacement de texte : « ↵↵↵==Sources== » par «  ==Sources== »)
 
(25 versions intermédiaires par 4 utilisateurs non affichées)
Ligne 1 : Ligne 1 :
==Définition==
Vecteur caractérisé par un seul élément ayant la valeur 1 et tous les autres, la valeur 0. L'encodage à 1 bit parmi n bits est couramment utilisé pour représenter des chaînes ou des identifiants qui ont un ensemble fini de valeurs possibles. <sup>(1)</sup>
Un encodage à 1 parmi n consiste à représenter des états en utilisant pour chacun une valeur dont la représentation binaire n'a qu'un seul chiffre 1.
== Compléments ==


[[catégorie:Vocabulaire]]
Évitez la traduction directe « encodage à chaud ».
[[catégorie:Google]]


Un vecteur avec la valeur 1 sur une seule dimension spécifique et 0 partout ailleurs, dans cet encodage, les attributs sont donc mutuellement exclusifs.


<br />
L'encodage 1 parmi n  produit un « vecteur creux », c'est à dire d'un vecteur contenant beaucoup de valeur nulle. Dans le cas précis d'un encodage un sur n, une seule entrée est non-nulle 


==Définition==
==Français==
Vecteur creux caractérisé par un élément ayant la valeur 1 et tous les autres la valeur 0. L'encodage à chaud est couramment utilisé pour représenter des chaînes ou des identifiants qui ont un ensemble fini de valeurs possibles. <sup>(1)</sup><br />


Un encodage à chaud consiste à représenter des états en utilisant pour chacun une valeur dont la représentation binaire n'a qu'un seul chiffre 1.
'''encodage un parmi n'''
On peut définir une fonction d'encodage OneHot dans ''scikit-learn'' comme étant la fonction qui prend en entrée un vecteur z et qui redéfinit en sortie la plus grande valeur de z à 1 et toutes autres valeurs de z à 0. <sup>(2)</sup>


<br />
'''encodage 1 parmi n'''


==Français==
'''encodage un sur n'''


 
'''encodage 1 sur n'''
'''encodage à chaud''' n.m.


'''encodeur OneHot''' (dans scikit-learn) n.m.
'''encodage à un bit discriminant'''  


'''encodage à 1 bit discriminant'''


'''encodage multibits un bit à la fois'''


<br />
'''encodage multibits 1 bit à la fois'''


==Anglais==
==Anglais==
'''one-hot encoding'''
'''one-hot encoding'''


'''OneHotEncoding'''
'''OneHot encoding'''
 


==Sources==
(1) [https://fr.wikipedia.org/wiki/Encodage_one-hot  Source : Wikipédia,''Encodage one-hot.'']


(1) [https://developers.google.com/machine-learning/glossary/ Source: Google machine learning glossary]
(2) [https://developers.google.com/machine-learning/glossary/ Source : Google, ''Machine learning glossary.'']


(2) [https://fr.wikipedia.org/wiki/Encodage_one-hot Source: Wikipedia]
[https://code.i-harness.com/fr/q/217b2e7 Source : CODE Q&A, ''Python - scikit - sklearn metrics''.]


[https://code.i-harness.com/fr/q/217b2e7 Source: CODE Q&A]
[[Catégorie:GRAND LEXIQUE FRANÇAIS]]
[[catégorie:Intelligence artificielle]]

Dernière version du 31 janvier 2024 à 09:57

Définition

Vecteur caractérisé par un seul élément ayant la valeur 1 et tous les autres, la valeur 0. L'encodage à 1 bit parmi n bits est couramment utilisé pour représenter des chaînes ou des identifiants qui ont un ensemble fini de valeurs possibles. (1)

Un encodage à 1 parmi n consiste à représenter des états en utilisant pour chacun une valeur dont la représentation binaire n'a qu'un seul chiffre 1.

Compléments

Évitez la traduction directe « encodage à chaud ».

Un vecteur avec la valeur 1 sur une seule dimension spécifique et 0 partout ailleurs, dans cet encodage, les attributs sont donc mutuellement exclusifs.

L'encodage 1 parmi n produit un « vecteur creux », c'est à dire d'un vecteur contenant beaucoup de valeur nulle. Dans le cas précis d'un encodage un sur n, une seule entrée est non-nulle

Français

encodage un parmi n

encodage 1 parmi n

encodage un sur n

encodage 1 sur n

encodage à un bit discriminant

encodage à 1 bit discriminant

encodage multibits un bit à la fois

encodage multibits 1 bit à la fois

Anglais

one-hot encoding

OneHot encoding

Sources

(1) Source : Wikipédia,Encodage one-hot.

(2) Source : Google, Machine learning glossary.

Source : CODE Q&A, Python - scikit - sklearn metrics.