« Mise à l'échelle » : différence entre les versions


m (Remplacement de texte — « <!-- Google --> » par «  »)
Aucun résumé des modifications
 
(6 versions intermédiaires par 2 utilisateurs non affichées)
Ligne 1 : Ligne 1 :
== Définition ==
Pratique couramment utilisée dans l'[[extraction de caractéristiques]] pour faire correspondre la plage de valeurs d'une [[caractéristique]] à celle d'autres caractéristiques de l'ensemble de données.


[[Category:GRAND LEXIQUE FRANÇAIS]]
Supposons que vous souhaitiez que la plage de toutes les caractéristiques à virgule flottante de l'ensemble de données s'étende de 0 à 1. Si la plage d'une caractéristique particulière s'étend de 0 à 500, vous pouvez mettre à l'échelle cette valeur en divisant chaque valeur par 500.
 
[[Category:Apprentissage profond]]Apprentissage profond<br />
 
 
== Définition ==
Pratique couramment utilisée dans l'extraction de caractéristiques pour faire correspondre la plage de valeurs d'une caractéristique à celle d'autres caractéristiques de l'ensemble de données. Supposons que vous souhaitiez que la plage de toutes les caractéristiques à virgule flottante de l'ensemble de données s'étende de 0 à 1. Si la plage d'une caractéristique particulière s'étend de 0 à 500, vous pouvez mettre à l'échelle cette valeur en divisant chaque valeur par 500.


Voir aussi '''[[normalisation]]'''.
Voir aussi '''[[normalisation]]'''.


== Français ==
== Français ==
''' mise à l'échelle <small>nom fém.</small> '''
'''mise à l'échelle'''  


== Anglais ==
== Anglais ==
''' scaling'''
'''scaling'''


<small>
==Sources==
[https://developers.google.com/machine-learning/glossary/  Source : Google machine learning glossary ]


 
[[Category:GRAND LEXIQUE FRANÇAIS]]
 
[[Category:Apprentissage profond]]
[https://developers.google.com/machine-learning/glossary/  Source: Google machine learning glossary ]

Dernière version du 5 avril 2024 à 17:39

Définition

Pratique couramment utilisée dans l'extraction de caractéristiques pour faire correspondre la plage de valeurs d'une caractéristique à celle d'autres caractéristiques de l'ensemble de données.

Supposons que vous souhaitiez que la plage de toutes les caractéristiques à virgule flottante de l'ensemble de données s'étende de 0 à 1. Si la plage d'une caractéristique particulière s'étend de 0 à 500, vous pouvez mettre à l'échelle cette valeur en divisant chaque valeur par 500.

Voir aussi normalisation.

Français

mise à l'échelle

Anglais

scaling

Sources

Source : Google machine learning glossary