« Données disséminées » : différence entre les versions
Aucun résumé des modifications |
Aucun résumé des modifications Balise : Éditeur de wikicode 2017 |
||
| Ligne 1 : | Ligne 1 : | ||
==Domaine== | ==Domaine== | ||
[[Category: | [[Category:Vocabulaire2]] | ||
[[Category: | [[Category:Coulombe2]] | ||
[[Category:Apprentissage profond]] | [[Category:Apprentissage profond]] | ||
Apprentissage profond<br /> | Apprentissage profond<br /> | ||
Apprentissage automatique | Apprentissage automatique | ||
[[Category:Apprentissage automatique]] | [[Category:Apprentissage automatique]] | ||
[[Category: | [[Category:Scotty2]] | ||
[[Category:Termino 2019]] | [[Category:Termino 2019]] | ||
[[Category: | [[Category:GRAND LEXIQUE FRANÇAIS]] | ||
==Définition== | ==Définition== | ||
| Ligne 19 : | Ligne 15 : | ||
Notes: les données disséminées se distinguent des données absentes dont la valeur n'est pas zéro, mais nulle. Les structures de données au sein desquelles les données sont disséminées sont qualifiées de ''creuses'' (''matrice creuse'', ''vecteur creux''). | Notes: les données disséminées se distinguent des données absentes dont la valeur n'est pas zéro, mais nulle. Les structures de données au sein desquelles les données sont disséminées sont qualifiées de ''creuses'' (''matrice creuse'', ''vecteur creux''). | ||
==Français== | ==Français== | ||
'''données parcimonieuses''' n.f. | '''données parcimonieuses''' n.f. | ||
| Ligne 26 : | Ligne 22 : | ||
'''données disséminées''' n.f. | '''données disséminées''' n.f. | ||
==Anglais== | ==Anglais== | ||
| Ligne 31 : | Ligne 28 : | ||
Source: Rapin, Jérémy (2014). ''Décompositions parcimonieuses pour l'analyse avancée de données en spectrométrie pour la Santé'', thèse de doctorat, Univeraité Paris Sud, 160 pages. | Source: Rapin, Jérémy (2014). ''Décompositions parcimonieuses pour l'analyse avancée de données en spectrométrie pour la Santé'', thèse de doctorat, Univeraité Paris Sud, 160 pages. | ||
Source: Balvet, Antonio (2002). ''Approches catégoriques et non catégoriques en linguistique des corpus spécialisés,application à un système de filtrage d’information'', thèse de doctorat, Université de Nanterre - Paris X, 331 pages. | Source: Balvet, Antonio (2002). ''Approches catégoriques et non catégoriques en linguistique des corpus spécialisés,application à un système de filtrage d’information'', thèse de doctorat, Université de Nanterre - Paris X, 331 pages. | ||
[[Utilisateur:Claude COULOMBE | source : Claude Coulombe, Datafranca.org]] | |||
Version du 14 juin 2019 à 21:36
Domaine
Apprentissage profond
Apprentissage automatique
Définition
Ensemble de données (matrice, vecteur) dont la très grandes majorité des valeurs sont à zéro.
Notes: les données disséminées se distinguent des données absentes dont la valeur n'est pas zéro, mais nulle. Les structures de données au sein desquelles les données sont disséminées sont qualifiées de creuses (matrice creuse, vecteur creux).
Français
données parcimonieuses n.f.
données éparses n.f.
données disséminées n.f.
Anglais
sparse data
Source: Rapin, Jérémy (2014). Décompositions parcimonieuses pour l'analyse avancée de données en spectrométrie pour la Santé, thèse de doctorat, Univeraité Paris Sud, 160 pages.
Source: Balvet, Antonio (2002). Approches catégoriques et non catégoriques en linguistique des corpus spécialisés,application à un système de filtrage d’information, thèse de doctorat, Université de Nanterre - Paris X, 331 pages.
Contributeurs: Jacques Barolet, Patrick Drouin, wiki
