« Apprentissage PAC » : différence entre les versions


m (Isaline a déplacé la page PAC learning vers Apprentissage PAC)
Aucun résumé des modifications
Ligne 1 : Ligne 1 :
==en construction==
== Définition ==
Cadre théorique pour l'apprentissage automatique qui permet notamment d'évaluer la difficulté d'un problème dans le contexte de l'apprentissage supervisé.


== Définition ==
Dans le cadre de l'apprentissage PAC, l'algorithme reçoit des données d'apprentissage et doit choisir parmi un ensemble préétabli une fonction qui généralise ces données. Le but est que la fonction en question classifie de nouvelles données inconnues (distribuées identiquement aux données d'apprentissage) avec une erreur minimale, et ceci avec forte probabilité.
XXXXXXXXX


== Français ==
== Français ==
''' XXXXXXXXX '''
'''apprentisage PAC'''


== Anglais ==
== Anglais ==
''' PAC learning'''
'''PAC learning'''
 
'''Probably approximately correct learning'''
 
In computational learning theory, probably approximately correct (PAC) learning is a framework for mathematical analysis of machine learning. It was proposed in 1984 by Leslie Valiant.[1]


In this framework, the learner receives samples and must select a generalization function (called the hypothesis) from a certain class of possible functions. The goal is that, with high probability (the "probably" part), the selected function will have low generalization error (the "approximately correct" part). The learner must be able to learn the concept given any arbitrary approximation ratio, probability of success, or distribution of the samples.
'''probably approximately correct learning'''




<small>
<small>


[https://en.wikipedia.org/wiki/Probably_approximately_correct_learning Source : Wikipedia  Machine Learning ]
[https://fr.wikipedia.org/wiki/Apprentissage_PAC Source : Wikipédia ]




[[Catégorie:vocabulary]]
[[Catégorie:publication]]
[[Catégorie:Wikipedia-IA‎]]
[[Catégorie:Wikipedia-IA‎]]

Version du 13 avril 2021 à 09:11

Définition

Cadre théorique pour l'apprentissage automatique qui permet notamment d'évaluer la difficulté d'un problème dans le contexte de l'apprentissage supervisé.

Dans le cadre de l'apprentissage PAC, l'algorithme reçoit des données d'apprentissage et doit choisir parmi un ensemble préétabli une fonction qui généralise ces données. Le but est que la fonction en question classifie de nouvelles données inconnues (distribuées identiquement aux données d'apprentissage) avec une erreur minimale, et ceci avec forte probabilité.

Français

apprentisage PAC

Anglais

PAC learning

probably approximately correct learning


Source : Wikipédia

Contributeurs: Isaline Hodecent, wiki