« Diagramme de l'importance des attributs » : différence entre les versions

Version du 26 janvier 2023 à 15:19

Définition

Le diagramme de l'importance des [attributs] est utilisé pour visualiser le poids relatif des attributs requis pour produire un [modèle d'apprentissage] efficace. En effet, tous les attributs ne contribuent pas de la même manière au modèle.

Compléments

Il existe plusieurs méthodes de calcul du poids relatif des attributs. La visualisation permet de sélectionner les attributs les plus pertinents. Réduire le nombre d'attributs peut augmenter la performance du modèle. La représentation graphique prend généralement la forme d'un [histogramme].

Français

diagramme de l'importance des attributs

diagramme de l'importance des caractéristiques

diagramme d'importance des attributs

Anglais

feature importances plot

feature importance

Source : towardsdatascience Source : sagejournals

@@ Ligne 1 : / Ligne 1 : @@
-==en construction==
+== Définition ==
-== Définition ==
+Le diagramme de l'importance des [attributs] est utilisé pour visualiser le poids relatif des attributs requis pour produire un [modèle d'apprentissage] efficace. En effet, tous les attributs ne contribuent pas de la même manière au modèle.
-XXXXXXXXX
+== Compléments ==
+Il existe plusieurs méthodes de calcul du poids relatif des attributs.
+La visualisation permet de sélectionner les attributs les plus pertinents. Réduire le nombre d'attributs peut augmenter la performance du modèle. La représentation graphique prend généralement la forme d'un [histogramme].
 == Français ==
-''' XXXXXXXXX '''
+''' diagramme de l'importance des attributs  '''
+''' diagramme de l'importance des caractéristiques  '''
+''' diagramme d'importance des attributs  '''
 == Anglais ==
-'''  Feature Importances Plot'''
+'''  feature importances plot'''
- The feature importances plot is used to select the minimum required important features to produce an ML model. Since not all features contribute the same to the model, we can remove less important features from the model. That will reduce the complexity of the model. Simple models are easy to train and interpret.
- The feature importances plot visualizes the relative importances of each feature.
+''' feature importance '''
 <small>
@@ Ligne 19 : / Ligne 23 : @@
 [https://towardsdatascience.com/10-amazing-machine-learning-visualizations-you-should-know-in-2023-528282940582  Source : towardsdatascience ]
+[https://journals.sagepub.com/doi/abs/10.1177/076737018600100402  Source : sagejournals ]
 [[Catégorie:vocabulary]]