« Sélection de caractéristiques » : différence entre les versions

Version du 28 mai 2019 à 18:52

Domaine

Définition

En apprentissage automatique et en statistiques, la sélection de caractéristiques, également appelée sélection de variables, sélection d'attributs ou sélection de sous-ensembles de variables, est le processus de sélection d'un sous-ensemble de caractéristiques pertinentes (variables, prédicteurs) à utiliser dans la construction du modèle. Les techniques de sélection des caractéristiques sont utilisées pour quatre raisons:

simplifier les modèles pour faciliter leur interprétation par les chercheurs / utilisateurs,
réduire la durée de l'apprentissage,
pour éviter le fléau de la dimension,
améliorer généralisation en réduisant les surajustements.

Français >>>>>>>>>>redirections

sélection de caractéristique n.f.

sélection d'attributs n.f.

sélection de variables n.f.

Anglais

feature selection

Source : Wikipedia IA

@@ Ligne 9 : / Ligne 9 : @@
 ==Définition==
-La sélection de caractéristique (ou sélection d'attribut ou de variable) est un processus utilisé en apprentissage automatique et en traitement de données. Il consiste, étant donné des données dans un espace de grande dimension, à trouver un sous-sensemble de variables pertinentes1. C'est-à-dire que l'on cherche à minimiser la perte d'information venant de la suppression de toutes les autres variables. C'est une méthode de réduction de la dimensionnalité1.
+En apprentissage automatique et en statistiques, la sélection de caractéristiques, également appelée sélection de variables, sélection d'attributs ou sélection de sous-ensembles de variables, est le processus de sélection d'un sous-ensemble de caractéristiques pertinentes (variables, prédicteurs) à utiliser dans la construction du modèle. Les techniques de sélection des caractéristiques sont utilisées pour quatre raisons:
-Dans l'apprentissage automatique et les statistiques, la sélection de caractéristiques, également appelée sélection de variables, sélection d'attributs ou sélection de sous-ensembles de variables, est le processus de sélection d'un sous-ensemble de caractéristiques pertinentes (variables, prédicteurs) à utiliser dans la construction du modèle. Les techniques de sélection des caractéristiques sont utilisées pour quatre raisons:
+* simplifier les modèles pour faciliter leur interprétation par les chercheurs / utilisateurs,
+* réduire la durée de l'apprentissage,
-simplification des modèles pour faciliter leur interprétation par les chercheurs / utilisateurs,
+* pour éviter le fléau de la dimension,
+* améliorer généralisation en réduisant les surajustements.
-réduction des temps de formation, afin d’éviter le fléau de la dimension,
-amélioration de la généralisation en réduisant les surajustements
-variance [1])

« Sélection de caractéristiques » : différence entre les versions