« Dimension de Vapnik-Chervonenkis » : différence entre les versions


Aucun résumé des modifications
Balise : Éditeur de wikicode 2017
m (Remplacement de texte : « ↵↵↵==Sources== » par «  ==Sources== »)
 
(5 versions intermédiaires par le même utilisateur non affichées)
Ligne 1 : Ligne 1 :
[[Catégorie:Apprentissage profond]]
[[Catégorie:GRAND LEXIQUE FRANÇAIS]]
==Définition==
==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'''.
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==
==Français==
'''dimension de Vapnik-Chervonenkis'''  <small>loc.nom. fém.</small>
'''dimension de Vapnik-Chervonenkis'''   


'''dimension VC'''  <small>loc.nom. fém.</small>
'''dimension VC'''   
   
   
==Anglais==
==Anglais==
'''VC dimension'''
'''VC dimension'''
==Sources==


[https://apprentissageprofond.org Source:  ''L'apprentissage profond'',  Ian Goodfellow, Yoshua Bengio et Aaron Courville  Éd. Massot 2018  page 131.]


[https://fr.wikipedia.org/wiki/Dimension_de_Vapnik-Tchervonenkis Source: Wikipedia, Dimension de Vapnik-Tchervonenkis.]


<small>


[https://apprentissageprofond.org Source: ''L'apprentissage profond'',  Ian Goodfellow, Yoshua Bengio et Aaron Courville  Éd. Massot 2018  page 131.]
[[Catégorie:Apprentissage profond]]  
 
[[Catégorie:GRAND LEXIQUE FRANÇAIS]]
[https://fr.wikipedia.org/wiki/Dimension_de_Vapnik-Tchervonenkis Source: Wikipedia, Dimension de Vapnik-Tchervonenkis.]

Dernière version du 29 janvier 2024 à 11:56

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

dimension VC

Anglais

VC dimension

Sources

Source: L'apprentissage profond, Ian Goodfellow, Yoshua Bengio et Aaron Courville Éd. Massot 2018 page 131.

Source: Wikipedia, Dimension de Vapnik-Tchervonenkis.



Contributeurs: Jacques Barolet, wiki