« Diagramme de l'importance des attributs » : différence entre les versions
(Page créée avec « ==en construction== == Définition == XXXXXXXXX == Français == ''' XXXXXXXXX ''' == Anglais == ''' Feature Importances Plot''' The feature importances plot is used... ») |
m (Remplacement de texte : « ↵↵↵==Sources== » par « ==Sources== ») |
||
(7 versions intermédiaires par 2 utilisateurs non affichées) | |||
Ligne 1 : | Ligne 1 : | ||
== | == Définition == | ||
== | Le diagramme de l'importance des [[attribut|attributs]] est utilisé pour visualiser le poids relatif des attributs requis pour produire un [[modèle d'apprentissage]] efficace. En effet, tous les attributs ne contribuent pas de la même manière au modèle. | ||
== Compléments == | |||
Il existe plusieurs méthodes de calcul du poids relatif des attributs. | |||
La visualisation permet de sélectionner les attributs les plus pertinents. Réduire le nombre d'attributs peut augmenter la performance du modèle. La représentation graphique prend généralement la forme d'un [[histogramme]]. | |||
== Français == | == Français == | ||
''' | ''' diagramme de l'importance des attributs ''' | ||
''' diagramme de l'importance des caractéristiques ''' | |||
''' diagramme d'importance des attributs ''' | |||
== Anglais == | == Anglais == | ||
''' | ''' feature importances plot''' | ||
''' feature importance ''' | |||
==Sources== | |||
[https://towardsdatascience.com/10-amazing-machine-learning-visualizations-you-should-know-in-2023-528282940582 Source : towardsdatascience ] | [https://towardsdatascience.com/10-amazing-machine-learning-visualizations-you-should-know-in-2023-528282940582 Source : towardsdatascience ] | ||
[https://journals.sagepub.com/doi/abs/10.1177/076737018600100402 Source : sagejournals ] | |||
[[Catégorie: | [[Catégorie:GRAND LEXIQUE FRANÇAIS]] |
Dernière version du 29 janvier 2024 à 09:11
Définition
Le diagramme de l'importance des attributs est utilisé pour visualiser le poids relatif des attributs requis pour produire un modèle d'apprentissage efficace. En effet, tous les attributs ne contribuent pas de la même manière au modèle.
Compléments
Il existe plusieurs méthodes de calcul du poids relatif des attributs. La visualisation permet de sélectionner les attributs les plus pertinents. Réduire le nombre d'attributs peut augmenter la performance du modèle. La représentation graphique prend généralement la forme d'un histogramme.
Français
diagramme de l'importance des attributs
diagramme de l'importance des caractéristiques
diagramme d'importance des attributs
Anglais
feature importances plot
feature importance
Sources
Contributeurs: Amanda Clément, wiki