« Perte » : différence entre les versions
Aucun résumé des modifications Balise : Éditeur de wikicode 2017 |
Aucun résumé des modifications |
||
| Ligne 1 : | Ligne 1 : | ||
__NOTOC__ | __NOTOC__ | ||
== Domaine == | ==Domaine== | ||
[[Category:GRAND LEXIQUE FRANÇAIS]] | [[Category:GRAND LEXIQUE FRANÇAIS]] | ||
[[Category:Vocabulaire2]] | [[Category:Vocabulaire2]] | ||
| Ligne 9 : | Ligne 9 : | ||
<br /> | <br /> | ||
== Définition == | ==Définition== | ||
Mesure de l'écart entre les prédictions d'un modèle et son étiquette. Ou | Mesure de l'écart entre les prédictions d'un modèle et son étiquette. Ou performance du modèle. Pour déterminer cette valeur, un modèle doit définir une fonction de perte. Par exemple, les modèles de régression linéaire utilisent généralement l'erreur quadratique moyenne comme fonction de perte, tandis que les modèles de régression logistiques utilisent la perte logistique. | ||
<br /> | <br /> | ||
== Français == | ==Français redirection ( performance du modèle est ajouté)== | ||
''' perte n.f.''' | '''perte n.f.''' | ||
'''performance du modèle''' n.f. | |||
<br /> | <br /> | ||
== Anglais == | ==Anglais== | ||
''' | '''loss ''' | ||
<br/> | <br /> | ||
<br/> | <br /> | ||
<br/> | <br /> | ||
[https://developers.google.com/machine-learning/glossary/ | [https://developers.google.com/machine-learning/glossary/ Source: Google machine learning glossary] | ||
<br/> | <br /> | ||
<br/> | <br /> | ||
<br/> | <br /> | ||
Version du 27 mai 2019 à 20:59
Domaine
Définition
Mesure de l'écart entre les prédictions d'un modèle et son étiquette. Ou performance du modèle. Pour déterminer cette valeur, un modèle doit définir une fonction de perte. Par exemple, les modèles de régression linéaire utilisent généralement l'erreur quadratique moyenne comme fonction de perte, tandis que les modèles de régression logistiques utilisent la perte logistique.
Français redirection ( performance du modèle est ajouté)
perte n.f.
performance du modèle n.f.
Anglais
loss
Contributeurs: Claire Gorjux, Jacques Barolet, wiki
