« Dimension de Vapnik-Chervonenkis » : différence entre les versions
m (Remplacement de texte — « <small>loc.nom. fém.</small> » par « <small> féminin </small> ») |
m (Remplacement de texte — « <small> féminin </small> » par « ») |
||
| Ligne 3 : | Ligne 3 : | ||
==Français== | ==Français== | ||
'''dimension de Vapnik-Chervonenkis''' | '''dimension de Vapnik-Chervonenkis''' | ||
'''dimension VC''' | '''dimension VC''' | ||
==Anglais== | ==Anglais== | ||
Version du 1 février 2021 à 18:19
Définition
Dans la théorie de l'apprentissage automatique, la dimension VC est une mesure de la capacité d'un algorithme de classification statistique. Elle est définie comme le cardinal du plus grand ensemble de points que l'algorithme peut pulvériser. C'est un concept central dans la théorie de Vapnik-Tchervonenkis. Il a été défini par Vladimir Vapnik et Alexeï Tchervonenkis.
Français
dimension de Vapnik-Chervonenkis
dimension VC
Anglais
VC dimension
Contributeurs: Jacques Barolet, wiki
