« Erreur quadratique moyenne » : différence entre les versions
Aucun résumé des modifications |
|||
| Ligne 9 : | Ligne 9 : | ||
== Définition == | == Définition == | ||
Perte quadratique moyenne pour chaque exemple. La MSE (''Mean Squared Error'') est calculée en divisant la perte quadratique par le nombre d'exemples. Les valeurs que TensorFlow Playground affiche pour «Perte d'apprentissage» et «Perte de test» sont des MSE. | Perte quadratique moyenne pour chaque exemple. La MSE (''Mean Squared Error'') est calculée en divisant la perte quadratique par le nombre d'exemples. Les valeurs que TensorFlow Playground affiche pour «Perte d'apprentissage» et «Perte de test» sont des erreurs quadratiques moyennes (MSE). | ||
Version du 5 novembre 2018 à 17:40
Domaine
Vocabulaire
Google
Apprentissage profond
Définition
Perte quadratique moyenne pour chaque exemple. La MSE (Mean Squared Error) est calculée en divisant la perte quadratique par le nombre d'exemples. Les valeurs que TensorFlow Playground affiche pour «Perte d'apprentissage» et «Perte de test» sont des erreurs quadratiques moyennes (MSE).
Termes privilégiés
erreur quadratique moyenne (MSE) n.f.
Anglais
Mean Squared Error (MSE)
Contributeurs: Claire Gorjux, Claude Coulombe, Jacques Barolet, wiki
