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


Aucun résumé des modifications
m (Remplacement de texte : « ↵<small> » par «  ==Sources== »)
 
Ligne 8 : Ligne 8 :
'''biased importance sampling'''
'''biased importance sampling'''


<small>
==Sources==
[https://www.apprentissageprofond.org/  Source :  ''L'apprentissage profond'',  Ian Goodfellow, Yoshua Bengio et Aaron Courville  Éd. Massot 2018 page 588  ]
[https://www.apprentissageprofond.org/  Source :  ''L'apprentissage profond'',  Ian Goodfellow, Yoshua Bengio et Aaron Courville  Éd. Massot 2018 page 588  ]



Dernière version du 28 janvier 2024 à 15:18

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

Sources

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

Source : Wikipédia