« Attribut » : différence entre les versions

Dernière version du 6 juin 2024 à 16:54

Définition

En science des données et en apprentissage automatique, les attributs sont les variables utilisées pour représenter un objet.

Un jeu de données est un ensemble d'exemples où chaque exemple regroupe des attributs qui qualifient différents aspects d'un exemplaire d’un objet. Cet objet peut être physique ou conceptuel.

Par exemple, pour décrire un arbre, on peut identifier différents attributs comme : la forme de ses feuilles, sa taille, le diamètre de son tronc, la couleur de son écorce, la couleur de ses feuilles, etc.

Compléments

Nous recommandons l'emploi du mot « attribut » plutôt que « caractéristique » afin de s'harmoniser avec la représentation des connaissances et son fameux triplet « objet, attribut, valeur » dont l’emploi remonte aux philosophes grecs. De plus, les deux termes ne sont pas des synonymes puisqu’une caractéristique est un type d’attribut distinctif, c’est-à-dire un attribut qui permet à lui seul de distinguer une classe d’une autre. Mais dans beaucoup de situations, aucun attribut n’est distinctif en soi, c’est plutôt la combinaison des attributs qui l’est.

Selon la discipline, une grandeur qui varie (ou quantité mesurée) est appelée variable en statistique, attribut (ou caractéristique) dans le langage de la science des données.

Aussi, le nombre d'attributs correspond à la dimension de chaque points de données dans le langage de l’apprentissage automatique. Un exemplaire de données qui comporte deux attributs sera de dimension 2, trois attributs de dimensions 3, ainsi de suite jusqu'aux milliers d'attributs et même des millions pour une image couleur 4K.

Français

attribut

caractéristique

descripteur

propriété

trait

variable explicative

Anglais

feature

attribute

property

variable

Sources

Source : Le grand dictionnaire terminologique

101 MOTS DE L' IA
Ce terme est sélectionné pour le livre « Les 101 mots de l'intelligence artificielle »

@@ Ligne 1 : / Ligne 1 : @@
-== Définition ==
+==Définition==
+En [[science des données]] et en [[apprentissage automatique]], les attributs sont les variables utilisées pour représenter un objet.
-En intelligence artificielle, les attributs sont les variables utilisées pour représenter un objet ou une '''[https://datafranca.org/wiki/Classe classe]''' d'objet. De même, en apprentissage automatique, un jeu de données est un ensemble d’exemples où chaque exemple comporte des attributs. Par exemple, pour décrire un arbre, on utilise ses différents attributs comme la forme de ses feuilles, sa taille, le diamètre de son tronc, la couleur de son écorce, la couleur de ses feuilles, etc.
+Un jeu de données est un ensemble d'exemples où chaque exemple regroupe des attributs qui qualifient différents aspects d'un exemplaire d’un objet. Cet objet peut être physique ou conceptuel.
-On distingue plusieurs types d’attributs selon les valeurs qui les caractérisent. En gros, on distinguera entre les attributs qualitatifs et les attributs quantitatifs (i.e. des nombres).
+Par exemple, pour décrire un arbre, on peut identifier différents attributs comme : la forme de ses feuilles, sa taille, le diamètre de son tronc, la couleur de son écorce, la couleur de ses feuilles, etc.
-En français, pour traduire le terme anglais '''feature''', on utilise les termes attribut, caractéristique, propriété, trait, ou parfois, en France, variable explicative. Nous recommandons l’emploi du terme « attribut » dans le but de s’aligner sur la terminologie bien établie en intelligence artificielle, plus particulièrement en représentation des connaissances qui se fonde sur le fameux triplet « objet, attribut, valeur » dont l’emploi remonte aux philosophes grecs.
+== Compléments ==
+Nous recommandons l'emploi du mot « attribut » plutôt que « caractéristique » afin de s'harmoniser avec la représentation des connaissances et son fameux triplet « objet, attribut, valeur » dont l’emploi remonte aux philosophes grecs. De plus, les deux termes ne sont pas des synonymes puisqu’une caractéristique est un type d’attribut distinctif, c’est-à-dire un attribut qui permet à lui seul de distinguer une classe d’une autre. Mais dans beaucoup de situations, aucun attribut n’est distinctif en soi, c’est plutôt la combinaison des attributs qui l’est.
-==Compléments==
-En plus de distinguer les attributs qualitatifs et les attributs quantitatifs (i.e. des nombres), une autre distinction sépare les attributs quantitatifs entre les valeurs numériques discrètes (des nombres entiers, 0, 1, 2, 3, etc.) et valeurs numériques continues (des nombres avec décimales, 3.14, 2.6, etc.).
-Les attributs qualitatifs sont le plus souvent des attributs catégoriels et des valeurs discrètes comme par exemple, la couleur: bleu, blanc rouge, vert, etc.
 <hr/>
-En apprentissage supervisé, on isole un attribut comme étant la classe-cible ou la variable à prédire et on utilisera les autres attributs pour prédire cette classe-cible. Par exemple, dans la description de différents arbres, pour distinguer entre un sapin et un érable, on utilisera les attributs comme la taille, la couleur, la forme de la feuille, etc. Dans un tel cas, un seul attribut, la forme de la feuille, soit la présence d’aiguilles, pourra permettre de trancher. Mais on peut imaginer des scénarios beaucoup plus complexes où c’est une combinaison d’attributs qui permettra d’arriver à une bonne prédiction.
+Selon la discipline, une grandeur qui varie (ou quantité mesurée) est appelée variable en statistique, attribut (ou caractéristique) dans le langage de la science des données.
-En apprentissage non supervisé, on utilisera la similarité entre les valeurs des attributs pour créer des groupes. Par exemple, la forme de la feuille en aiguilles pourrait nous permettre de regrouper tous les conifères.
+Aussi, le nombre d'attributs correspond à la dimension de chaque points de données dans le langage de l’apprentissage automatique. Un exemplaire de données qui comporte deux attributs sera de dimension 2, trois attributs de dimensions 3, ainsi de suite jusqu'aux milliers d'attributs et même des millions pour une image couleur 4K.
-== Français ==
+==Français==
 '''attribut'''
 '''caractéristique'''
+'''descripteur'''
 '''propriété'''
@@ Ligne 28 : / Ligne 26 : @@
 '''variable explicative'''
-== Anglais ==
+==Anglais==
 '''feature'''
@@ Ligne 34 : / Ligne 32 : @@
 '''attribute'''
-<small>
+'''property'''
-[http://gdt.oqlf.gouv.qc.ca/ficheOqlf.aspx?Id_Fiche=26503619  Source : Le grand dictionnaire terminologique ]
+'''variable'''
+==Sources==
+[http://gdt.oqlf.gouv.qc.ca/ficheOqlf.aspx?Id_Fiche=26503619 Source : Le grand dictionnaire terminologique]
-</small><br> <div style="border:2px solid #336699; background: #f6f6f6; padding: 1em; margin-bottom:1em; width: 90%;"><html><a href="https://datafranca.org/wiki/Cat%C3%A9gorie:101"><img src="https://datafranca.org/images/icone-101-mots.png" width="250"></a></html>
+{{Modèle:101}}
-<br></div><br><br>
 [[Catégorie:GRAND LEXIQUE FRANÇAIS]]
 [[Catégorie:101]]
-[[Catégorie:PUBLICATION]]