« Régularisation L1 » : différence entre les versions
m (Remplacement de texte : « ↵<small> » par « ==Sources== ») |
m (Remplacement de texte : « Category:Termino 2019 » par « ») |
||
| (Une version intermédiaire par un autre utilisateur non affichée) | |||
| Ligne 2 : | Ligne 2 : | ||
Régularisation qui ajuste à la baisse les poids au sein d'un modèle proportionnellement à la somme de leurs valeurs absolues afin de contrer le surajustement. | Régularisation qui ajuste à la baisse les poids au sein d'un modèle proportionnellement à la somme de leurs valeurs absolues afin de contrer le surajustement. | ||
Remarque : le terme LASSO signifie ''Least Absolute Shrinkage and Selection Operator'' | |||
==Français== | ==Français== | ||
| Ligne 12 : | Ligne 12 : | ||
==Anglais== | ==Anglais== | ||
'''L1 regularization''' | '''L1 regularization''' | ||
| Ligne 21 : | Ligne 20 : | ||
==Sources== | ==Sources== | ||
Source : Géron, Aurélien (2017). ''Deep Learning avec TensorFlow - Mise en oeuvre et cas concrets'', Paris, Dunod, 360 pages. | |||
[https://developers.google.com/machine-learning/glossary/ Source : ''Google machine learning glossary''] | |||
[https://developers.google.com/machine-learning/glossary/ Source: ''Google machine learning glossary'' | |||
[[Utilisateur:Patrickdrouin | Source : Termino]] | |||
[[Category:GRAND LEXIQUE FRANÇAIS]] | [[Category:GRAND LEXIQUE FRANÇAIS]] | ||
[[Category:Intelligence artificielle]] | [[Category:Intelligence artificielle]] | ||
[[Category:Apprentissage profond]] | [[Category:Apprentissage profond]] | ||
Dernière version du 11 octobre 2024 à 08:33
Définition
Régularisation qui ajuste à la baisse les poids au sein d'un modèle proportionnellement à la somme de leurs valeurs absolues afin de contrer le surajustement.
Remarque : le terme LASSO signifie Least Absolute Shrinkage and Selection Operator
Français
régularisation L1
régularisation LASSO
régularisation Lasso
Anglais
L1 regularization
Lasso regularization
LASSO regularization
Sources
Source : Géron, Aurélien (2017). Deep Learning avec TensorFlow - Mise en oeuvre et cas concrets, Paris, Dunod, 360 pages.
Contributeurs: Claire Gorjux, Jacques Barolet, Patrick Drouin, wiki, Robert Meloche
