« Interprétation de la probabilité » : différence entre les versions
Aucun résumé des modifications |
Aucun résumé des modifications |
||
Ligne 18 : | Ligne 18 : | ||
[https://deepai.org/machine-learning-glossary-and-terms/probability-interpretations Source : DeepAI.org ] | [https://deepai.org/machine-learning-glossary-and-terms/probability-interpretations Source : DeepAI.org ] | ||
[[Catégorie:GRAND LEXIQUE FRANÇAIS]] | [[Catégorie:GRAND LEXIQUE FRANÇAIS]] |
Version du 5 janvier 2024 à 20:56
Définition
Quantifier la probabilité d'un résultat, la correspondance de classification d'une entrée ou la confiance dans une hypothèse sont des tâches fondamentales pour qu'un modèle de machine soit utile dans le monde réel, sans parler de l'apprentissage et de l'amélioration.
Alors que les humains peuvent se fier à leur intuition, l'intelligence artificielle a besoin d'une méthode plus scientifique pour quantifier ces concepts abstraits et les transformer en fonctions qu'un algorithme peut utiliser et dont il peut tirer des enseignements. Ainsi, pour les besoins de l'apprentissage automatique, quelle que soit la méthode spécifique de calcul et d'interprétation des probabilités employée, toutes les formes humaines d'intuition peuvent être divisées en deux grandes catégories : les probabilités fréquentistes (propriétés physiques) et les probabilités bayésiennes (preuves).
Français
Interprétation de la probabilité
Anglais
Probability interpretation
Contributeurs: Claire Gorjux, Jean Benoît Morel, Marie Alfaro, wiki