« Dimension de Vapnik-Chervonenkis » : différence entre les versions
Aucun résumé des modifications Balise : Éditeur de wikicode 2017 |
m (Remplacement de texte — « ==Définition== » par « ==Définition== ») |
||
| Ligne 1 : | Ligne 1 : | ||
[[Catégorie:Apprentissage profond]] | [[Catégorie:Apprentissage profond]] | ||
[[Catégorie:GRAND LEXIQUE FRANÇAIS]] | [[Catégorie:GRAND LEXIQUE FRANÇAIS]] | ||
==Définition== | ==Définition== | ||
Version du 18 avril 2020 à 11:10
Définition
Dans la théorie de l'apprentissage automatique, la dimension VC est une mesure de la capacité d'un algorithme de classification statistique. Elle est définie comme le cardinal du plus grand ensemble de points que l'algorithme peut pulvériser. C'est un concept central dans la théorie de Vapnik-Tchervonenkis. Il a été défini par Vladimir Vapnik et Alexeï Tchervonenkis.
Français
dimension de Vapnik-Chervonenkis loc.nom. fém.
dimension VC loc.nom. fém.
Anglais
VC dimension
Contributeurs: Jacques Barolet, wiki
