« Régularisation » : différence entre les versions
m (Remplacement de texte : « Category:Termino 2019 » par « ») |
Aucun résumé des modifications |
||
| Ligne 1 : | Ligne 1 : | ||
==Définition== | ==Définition== | ||
Processus qui consiste généralement à pénaliser les valeurs extrêmes des paramètres d'un [[modèle]] afin d'éviter un éventuel surajustement. | Processus qui consiste généralement à pénaliser les valeurs extrêmes des paramètres d'un [[modèle]] afin d'éviter un éventuel [[surajustement]]. | ||
Remarque : les régularisations les plus couramment employées dans le domaine des mathématiques, statistiques et de l'apprentissage automatique sont les régularisations L1 et L2. | Remarque : les régularisations les plus couramment employées dans le domaine des mathématiques, statistiques et de l'apprentissage automatique sont les régularisations L1 et L2. | ||
Dernière version du 31 octobre 2024 à 03:03
Définition
Processus qui consiste généralement à pénaliser les valeurs extrêmes des paramètres d'un modèle afin d'éviter un éventuel surajustement.
Remarque : les régularisations les plus couramment employées dans le domaine des mathématiques, statistiques et de l'apprentissage automatique sont les régularisations L1 et L2.
Français
régularisation
Anglais
regularization
Sources
Source : Nicolas Chapados, Yoshua Bengio (2003). Comment améliorer la capacité de généralisation des algorithmes d'apprentissage pour la prise de décisions financières, Montréal, CIRANO, 68 pages
Contributeurs: Claire Gorjux, Claude Coulombe, Jacques Barolet, Patrick Drouin, wiki, Robert Meloche
