« Modèle linéaire généralisé » : différence entre les versions


Aucun résumé des modifications
Aucun résumé des modifications
 
(21 versions intermédiaires par 3 utilisateurs non affichées)
Ligne 1 : Ligne 1 :
__NOTOC__
== Domaine ==
[[Category:Vocabulaire]]Vocabulaire<br />
[[Category:Google]]Google<br />
[[Category:Apprentissage profond]]Apprentissage profond<br />
[[Category:scotty]]
[[Category:9]]
<br />
== Définition ==
== Définition ==
Généralisation des modèles de régression des moindres carrés, qui sont basés sur le bruit gaussien, à d'autres types de modèles basés sur d'autres types de bruit, par exemple le bruit de grenaille ou le bruit catégorique. Exemples de modèles linéaires généralisés :
Généralisation des modèles de régression des moindres carrés, qui sont basés sur le bruit gaussien, à d'autres types de modèles basés sur d'autres types de bruit, par exemple le bruit de grenaille ou le bruit catégorique. Exemples de modèles linéaires généralisés :
 
*    [[Régression logistique]]
*    Régression logistique
*    Régression à classes multiples
*    Régression à classes multiples
*    Régression des moindres carrés
*    Régression des moindres carrés


Les paramètres d'un modèle linéaire généralisé peuvent être déterminés via une optimisation convexe.
La puissance d'un modèle linéaire généralisé est limitée par les caractéristiques de celui-ci. Contrairement à un [[modèle profond]], un modèle généralisé ne peut pas « apprendre de nouvelles caractéristiques ».
 
Les modèles linéaires généralisés présentent les propriétés suivantes :
 
*  La prédiction moyenne du modèle de régression des moindres carrés optimal est égale à l'étiquette moyenne des données d'apprentissage.
*  La probabilité moyenne prédite par le modèle de régression logistique optimal est égale à l'étiquette moyenne des données d'apprentissage.
 
La puissance d'un modèle linéaire généralisé est limitée par les caractéristiques de celui-ci. Contrairement à un modèle profond, un modèle généralisé ne peut pas "apprendre de nouvelles caractéristiques".
 
 
<br />
== Termes privilégiés ==
=== modèle linéaire généralisé  n.m.===
 


<br />
== Français ==
'''modèle linéaire généralisé''' 


== Anglais ==
== Anglais ==
'''generalized linear model'''


===  generalized linear model===
==Sources==
[https://developers.google.com/machine-learning/glossary/ Source : Google machine learning glossary ]


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

Dernière version du 20 avril 2024 à 11:45

Définition

Généralisation des modèles de régression des moindres carrés, qui sont basés sur le bruit gaussien, à d'autres types de modèles basés sur d'autres types de bruit, par exemple le bruit de grenaille ou le bruit catégorique. Exemples de modèles linéaires généralisés :

La puissance d'un modèle linéaire généralisé est limitée par les caractéristiques de celui-ci. Contrairement à un modèle profond, un modèle généralisé ne peut pas « apprendre de nouvelles caractéristiques ».

Français

modèle linéaire généralisé

Anglais

generalized linear model

Sources

Source : Google machine learning glossary