« Apprentissage bayésien » : différence entre les versions
Aucun résumé des modifications Balise : Éditeur de wikicode 2017 |
Aucun résumé des modifications Balise : Éditeur de wikicode 2017 |
||
| Ligne 2 : | Ligne 2 : | ||
[[Catégorie:Intelligence artificielle]] | [[Catégorie:Intelligence artificielle]] | ||
[[Catégorie:Apprentissage profond]] | [[Catégorie:Apprentissage profond]] | ||
[[Catégorie: | [[Catégorie:GRAND LEXIQUE FRANÇAIS]] | ||
==Définition== | ==Définition== | ||
L'apprentissage automatique bayésien est un ensemble particulier d'approches de l'apprentissage automatique probabiliste (pour d'autres modèles probabilistes, voir '''[[apprentissage supervisé]]'''). L'apprentissage bayésien traite les paramètres du modèle comme des variables aléatoires - dans l'apprentissage bayésien, l'estimation des paramètres revient à calculer les distributions postérieures de ces variables aléatoires en fonction des données observées. L'apprentissage bayésien implique généralement des modèles génératifs. Une exception notable est la régression linéaire bayésienne, qui est un modèle discriminant. | L'apprentissage automatique bayésien est un ensemble particulier d'approches de l'apprentissage automatique probabiliste (pour d'autres modèles probabilistes, voir '''[[apprentissage supervisé]]'''). L'apprentissage bayésien traite les paramètres du modèle comme des variables aléatoires - dans l'apprentissage bayésien, l'estimation des paramètres revient à calculer les distributions postérieures de ces variables aléatoires en fonction des données observées. L'apprentissage bayésien implique généralement des modèles génératifs. Une exception notable est la régression linéaire bayésienne, qui est un modèle discriminant. | ||
==Français== | ==Français== | ||
Version du 23 décembre 2019 à 22:30
Définition
L'apprentissage automatique bayésien est un ensemble particulier d'approches de l'apprentissage automatique probabiliste (pour d'autres modèles probabilistes, voir apprentissage supervisé). L'apprentissage bayésien traite les paramètres du modèle comme des variables aléatoires - dans l'apprentissage bayésien, l'estimation des paramètres revient à calculer les distributions postérieures de ces variables aléatoires en fonction des données observées. L'apprentissage bayésien implique généralement des modèles génératifs. Une exception notable est la régression linéaire bayésienne, qui est un modèle discriminant.
Français
apprentissage bayésien loc. nom. masc.
apprentissage profond bayésien loc. nom. masc.
Anglais
Bayesian learning
Bayesian deep learning
Contributeurs: Jacques Barolet, wiki
