« Encodage un parmi n » : différence entre les versions


Aucun résumé des modifications
m (Remplacement de texte : « ↵↵↵==Sources== » par «  ==Sources== »)
 
(58 versions intermédiaires par 5 utilisateurs non affichées)
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:GRAND LEXIQUE FRANÇAIS]]
[[Category:Vocabulaire2]]
[[Category:Google2]]
[[Category:Apprentissage profond2]]
[[Category:scotty2]]
<br />


== Définition ==
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.
Vecteur creux caractérisé par un élément ayant la valeur 1 et tous les autres 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.  
- Google
<br />


== Compléments ==


Un encodage one-hot consiste à représenter des états en utilisant pour chacun une valeur dont la représentation binaire n'a qu'un seul chiffre 1.
Évitez la traduction directe « encodage à chaud ».
On peut définir une fonction d'encodage one-hot 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.
- Wikipedia


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 un parmi n'''
=== encodage one-hot  <small>n.m.</small> ===


'''encodage 1 parmi n'''


<br />
'''encodage un sur n'''


== Anglais ==
'''encodage 1 sur n'''


===  one-hot encoding ===
'''encodage à un bit discriminant'''


<br/>
'''encodage à 1 bit discriminant'''
<br/>
 
<br/>
'''encodage multibits un bit à la fois'''
[https://developers.google.com/machine-learning/glossary/  Source: Google machine learning glossary ]
 
<br/>
'''encodage multibits 1 bit à la fois'''
[https://fr.wikipedia.org/wiki/Encodage_one-hot  Source: Wikipedia  ]
 
<br/>
==Anglais==
<br/>
'''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]]

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.