« Cote logarithmique » : différence entre les versions
Aucun résumé des modifications Balise : Éditeur de wikicode 2017 |
m (Remplacement de texte : « ↵↵↵==Sources== » par « ==Sources== ») |
||
| (13 versions intermédiaires par le même utilisateur non affichées) | |||
| Ligne 1 : | Ligne 1 : | ||
== en construction == | == en construction == | ||
== Définition == | == Définition == | ||
Pour les '''[[Modèle linéaire généralisé | modèles linéaires]]''', l'intersection est la valeur du prédicteur linéaire lorsque toutes les covariables sont nulles. En '''[[régression linéaire]]''', cela équivaut à l'ordonnée à l'origine de la droite de meilleur ajustement. Dans la '''[[régression logistique]]''', il s'agit de la cote logarithmique du groupe de référence. | |||
En somme, nous ajoutons le biais pour améliorer l'interprétabilité et ajouter de la flexibilité au modèle. | |||
== Français == | == Français == | ||
''' | '''Ordonnée à l'origine''' | ||
'''Intersection''' | |||
'''Cote logarithmique''' | |||
== Anglais == | == Anglais == | ||
''' | '''Intercept''' | ||
==Sources== | |||
[https://www.apprentissageprofond.org/ Source : ''L'apprentissage profond'', Ian Goodfellow, Yoshua Bengio et Aaron Courville Éd. Massot 2018 ] | [https://www.apprentissageprofond.org/ Source : ''L'apprentissage profond'', Ian Goodfellow, Yoshua Bengio et Aaron Courville Éd. Massot 2018 ] | ||
[https://stats.stackexchange.com/questions/380201/machine-learning-use-of-intercept-in-regression Source : stackexchange.com] | |||
[https://fr.wikipedia.org/wiki/Ordonn%C3%A9e_%C3%A0_l'origine Source : wikipedia] | |||
[[Catégorie:GRAND LEXIQUE FRANÇAIS]] | |||
Dernière version du 29 janvier 2024 à 10:20
en construction
Définition
Pour les modèles linéaires, l'intersection est la valeur du prédicteur linéaire lorsque toutes les covariables sont nulles. En régression linéaire, cela équivaut à l'ordonnée à l'origine de la droite de meilleur ajustement. Dans la régression logistique, il s'agit de la cote logarithmique du groupe de référence. En somme, nous ajoutons le biais pour améliorer l'interprétabilité et ajouter de la flexibilité au modèle.
Français
Ordonnée à l'origine
Intersection
Cote logarithmique
Anglais
Intercept
Sources
Source : L'apprentissage profond, Ian Goodfellow, Yoshua Bengio et Aaron Courville Éd. Massot 2018
Contributeurs: Jacques Barolet, wiki
