« Régularisation » : différence entre les versions

Dernière version du 17 janvier 2025 à 10:16

Définition

Processus qui consiste généralement à pénaliser les valeurs extrêmes des paramètres d'un modèle afin d'éviter un éventuel surajustement.

Remarque : les régularisations les plus couramment employées dans le domaine des mathématiques, statistiques et de l'apprentissage automatique sont les régularisations L1 et L2.

Français

régularisation

Anglais

regularization

Sources

Source : Nicolas Chapados, Yoshua Bengio (2003). Comment améliorer la capacité de généralisation des algorithmes d'apprentissage pour la prise de décisions financières, Montréal, CIRANO, 68 pages

Source : Termino

Source : Google machine learning glossary

@@ Ligne 1 : / Ligne 1 : @@
 ==Définition==
-Processus qui consiste généralement à pénaliser les valeurs extrêmes des paramètres d'un [[modèle]] afin d'éviter un éventuel surajustement.
+Processus qui consiste généralement à pénaliser les valeurs extrêmes des [[Paramètre|paramètres]] d'un [[modèle]] afin d'éviter un éventuel [[surajustement]].
-Remarque : les régularisations les plus couramment employées dans le domaine des mathématiques, statistiques et de l'apprentissage automatique sont les régularisations L1 et L2.
+Remarque : les régularisations les plus couramment employées dans le domaine des mathématiques, statistiques et de l'[[apprentissage automatique]] sont les régularisations L1 et L2.
 ==Français==
@@ Ligne 9 : / Ligne 9 : @@
 ==Anglais==
 '''regularization'''
 ==Sources==
@@ Ligne 21 : / Ligne 20 : @@
 [[Category:Intelligence artificielle]]
 [[Catégorie:Apprentissage profond]]
-[[Category:Termino 2019]]
+[[Catégorie:101]]

« Régularisation » : différence entre les versions