« Régularisation L2 » : différence entre les versions
m (Remplacement de texte — « Category:scotty2 » par « <!-- Scotty2 --> ») |
m (Remplacement de texte — « Category:Google2 » par « <!-- Google --> ») |
||
| Ligne 1 : | Ligne 1 : | ||
[[Category:GRAND LEXIQUE FRANÇAIS]] | [[Category:GRAND LEXIQUE FRANÇAIS]] | ||
<!-- Google --> | |||
[[Category:Apprentissage profond]] | [[Category:Apprentissage profond]] | ||
<!-- Scotty2 --> | <!-- Scotty2 --> | ||
Version du 3 juillet 2019 à 20:58
Définition
Régularisation qui ajuste à la baisse les poids au sein d'un modèle proportionnellement à la somme des carrés de leurs valeurs afin de contrer le surajustement.
Notes : La régularisation L2 vise à ce que les poids dont la valeur est marginale (valeur positive ou négative très élevée ou très faible) se rapprochent le plus possible de 0 (sans jamais l'atteindre).
Français
régularisation L2 n. f.
régularisation de Ridge n. f.
Anglais
L2 regularization
Ridge regularization
Source : Géron, Aurélien (2017). Deep Learning avec TensorFlow - Mise en oeuvre et cas concrets, Paris, Dunod, 360 pages.
Source : Google, Machine learning, https://developers.google.com/machine-learning/crash-course/regularization-for-simplicity/l2-regularization?hl=fr, consulté le 5 juin 2019.
Contributeurs: Claire Gorjux, Jacques Barolet, Patrick Drouin, wiki, Robert Meloche
