« Encodage un parmi n » : différence entre les versions

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.

@@ Ligne 1 : / Ligne 1 : @@
-__NOTOC__
+==Définition==
-== Domaine ==
+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>
-[[Category:Vocabulaire]]Vocabulaire<br />
-[[Category:Google]]Google<br />
-[[Category:Apprentissage profond]]Apprentissage profond<br />
-<br />
+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.
-== Définition ==
+== Compléments ==
-Vecteur creux caractérisé ainsi :
-*   Un élément a la valeur 1.
+Évitez la traduction directe « encodage à chaud ».
-*   Tous les autres éléments ont la valeur 0.
-L'encodage one-hot est couramment utilisé pour représenter des chaînes ou des identifiants qui ont un ensemble fini de valeurs possibles. Supposons qu'un ensemble de données botaniques donné répertorie 15 000 espèces différentes, chacune associée à un identifiant unique. Dans le cadre de l'extraction de caractéristiques, vous encoderez probablement ces identifiants sous forme de vecteurs one-hot, dont la taille est de 15 000.
+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
-<br />
+==Français==
-== Termes privilégiés ==
-=== encodage one-hot ===
+'''encodage un parmi n'''
-<br />
+'''encodage 1 parmi n'''
-== Anglais ==
-===  one-hot encoding ===
+'''encodage un sur n'''
-<br/>
+'''encodage 1 sur n'''
-<br/>
-<br/>
+'''encodage à un bit discriminant'''
-[https://developers.google.com/machine-learning/glossary/  Source: Google machine learning glossary ]
-<br/>
+'''encodage à 1 bit discriminant'''
-<br/>
-<br/>
+'''encodage multibits un bit à la fois'''
+'''encodage multibits 1 bit à la fois'''
+==Anglais==
+'''one-hot encoding'''
+'''OneHot encoding'''
+==Sources==
+(1) [https://fr.wikipedia.org/wiki/Encodage_one-hot  Source : Wikipédia,''Encodage one-hot.'']
+(2) [https://developers.google.com/machine-learning/glossary/  Source : Google, ''Machine learning glossary.'']
+[https://code.i-harness.com/fr/q/217b2e7 Source : CODE Q&A, ''Python - scikit - sklearn metrics''.]
+[[Catégorie:GRAND LEXIQUE FRANÇAIS]]
+[[catégorie:Intelligence artificielle]]

« Encodage un parmi n » : différence entre les versions