« Échantillonnage d’importance biaisé » : différence entre les versions


Aucun résumé des modifications
Aucun résumé des modifications
Ligne 15 : Ligne 15 :
[https://fr.wikipedia.org/wiki/%C3%89chantillonnage_pr%C3%A9f%C3%A9rentiel#Principe_de_l'%C3%A9chantillonnage_pr%C3%A9f%C3%A9rentiel  Source : Wikipédia  ]
[https://fr.wikipedia.org/wiki/%C3%89chantillonnage_pr%C3%A9f%C3%A9rentiel#Principe_de_l'%C3%A9chantillonnage_pr%C3%A9f%C3%A9rentiel  Source : Wikipédia  ]


[[Catégorie:Vocabulaire]]  
[[Catégorie:9]]  
[[Catégorie:App-profond-livre]]
[[Catégorie:App-profond-livre]]
[[Catégorie:Apprentissage profond]]  
[[Catégorie:Apprentissage profond]]
 
{{DEFAULTSORT: Echantillonnage d’importance biaisé}}

Version du 31 janvier 2021 à 19:57

Définition

L’échantillonnage préférentiel (EP) est une méthode de réduction de la variance qui peut être utilisée dans la méthode de Monte-Carlo. L’idée sous-jacente à l’EP est que certaines valeurs prises par une variable aléatoire dans une simulation ont plus d’effet que d’autres sur l’estimateur recherché. Si ces valeurs importantes se réalisent plus souvent, la variance de l’estimateur peut être réduite. Par conséquent, la méthode de l’EP est de choisir une distribution qui « encourage » les valeurs importantes. L’utilisation d’une distribution biaisée conduira à un estimateur biaisé si on l’applique directement aux simulations.

Français

échantillonnage préférentiel avec distribution biaisée

Anglais

biased importance sampling


Source : L'apprentissage profond, Ian Goodfellow, Yoshua Bengio et Aaron Courville Éd. Massot 2018 page 588

Source : Wikipédia