« Modèle linéaire généralisé » : différence entre les versions

Version du 4 décembre 2018 à 14:51

Domaine

Vocabulaire
Google
Apprentissage profond

Définition

Généralisation des modèles de régression des moindres carrés, qui sont basés sur le bruit gaussien, à d'autres types de modèles basés sur d'autres types de bruit, par exemple le bruit de grenaille ou le bruit catégorique. Exemples de modèles linéaires généralisés :

Régression logistique
Régression à classes multiples
Régression des moindres carrés

La puissance d'un modèle linéaire généralisé est limitée par les caractéristiques de celui-ci. Contrairement à un modèle profond, un modèle généralisé ne peut pas «apprendre de nouvelles caractéristiques».

Termes privilégiés

modèle linéaire généralisé n.m.

Anglais

generalized linear model

Source: Google machine learning glossary

@@ Ligne 16 : / Ligne 16 : @@
 *    Régression des moindres carrés
-Les paramètres d'un modèle linéaire généralisé peuvent être déterminés via une optimisation convexe.
+La puissance d'un modèle linéaire généralisé est limitée par les caractéristiques de celui-ci. Contrairement à un modèle profond, un modèle généralisé ne peut pas «apprendre de nouvelles caractéristiques».
-Les modèles linéaires généralisés présentent les propriétés suivantes :
-*   La prédiction moyenne du modèle de régression des moindres carrés optimal est égale à l'étiquette moyenne des données d'apprentissage.
-*   La probabilité moyenne prédite par le modèle de régression logistique optimal est égale à l'étiquette moyenne des données d'apprentissage.
-La puissance d'un modèle linéaire généralisé est limitée par les caractéristiques de celui-ci. Contrairement à un modèle profond, un modèle généralisé ne peut pas "apprendre de nouvelles caractéristiques".
+<br />
-<br />
 == Termes privilégiés ==
 === modèle linéaire généralisé  n.m.===

« Modèle linéaire généralisé » : différence entre les versions