« Encodage un parmi n » : différence entre les versions

Version du 23 novembre 2022 à 23:23

Définition

Vecteur caractérisé par un seul élément ayant la valeur 1 et tous les autres, la valeur 0. L'encodage à 1 parmi n est couramment utilisé pour représenter des chaînes ou des identifiants qui ont un ensemble fini de valeurs possibles. ⁽¹⁾

Un encodage à 1 parmi n consiste à représenter des états en utilisant pour chacun une valeur dont la représentation binaire n'a qu'un seul chiffre 1.

Compléments

Évitez la traduction directe « encodage à chaud ».

Un vecteur avec la valeur 1 sur une seule dimension spécifique et 0 partout ailleurs, dans cet encodage, les attributs sont donc mutuellement exclusifs.

L'encodage 1 parmi n produit un « vecteur creux », c'est à dire d'un vecteur contenant beaucoup de valeur nulle. Dans le cas précis d'un encodage un sur n, une seule entrée est non-nulle

Français

encodage un parmi n

encodage 1 parmi n

encodage un sur n

encodage 1 sur n

encodage à un bit discriminant

encodage à 1 bit discriminant

encodage multibits un bit à la fois

encodage multibits 1 bit à la fois

Anglais

one-hot encoding

OneHot encoding

(1) Source: Wikipedia,Encodage one-hot.

(2) Source: Google, Machine learning glossary.

Source: CODE Q&A, Python - scikit - sklearn metrics.

@@ Ligne 1 : / Ligne 1 : @@
 ==Définition==
-Vecteur caractérisé par un seul élément ayant la valeur 1 et tous les autres, la valeur 0. L'encodage à un sur n est couramment utilisé pour représenter des chaînes ou des identifiants qui ont un ensemble fini de valeurs possibles. <sup>(1)</sup>
+Vecteur caractérisé par un seul élément ayant la valeur 1 et tous les autres, la valeur 0. L'encodage à 1 parmi n est couramment utilisé pour représenter des chaînes ou des identifiants qui ont un ensemble fini de valeurs possibles. <sup>(1)</sup>
-Un encodage à un sur n consiste à représenter des états en utilisant pour chacun une valeur dont la représentation binaire n'a qu'un seul chiffre 1.
+Un encodage à 1 parmi n consiste à représenter des états en utilisant pour chacun une valeur dont la représentation binaire n'a qu'un seul chiffre 1.
 == Compléments ==
@@ Ligne 10 : / Ligne 10 : @@
 Un vecteur avec la valeur 1 sur une seule dimension spécifique et 0 partout ailleurs, dans cet encodage, les attributs sont donc mutuellement exclusifs.
-L'encodage un sur n  produit un « vecteur creux », c'est à dire d'un vecteur contenant beaucoup de valeur nulle. Dans le cas précis d'un encodage un sur n, une seule entrée est non-nulle
+L'encodage 1 parmi n  produit un « vecteur creux », c'est à dire d'un vecteur contenant beaucoup de valeur nulle. Dans le cas précis d'un encodage un sur n, une seule entrée est non-nulle
 ==Français==
+'''encodage un parmi n'''
+'''encodage 1 parmi n'''
 '''encodage un sur n'''
@@ Ligne 21 : / Ligne 25 : @@
 '''encodage à 1 bit discriminant'''
-'''encodage un parmi n'''
-'''encodage 1 parmi n'''
 '''encodage multibits un bit à la fois'''
@@ Ligne 34 : / Ligne 34 : @@
 '''OneHot encoding'''
+<small>
-<small>
-(1) [https://developers.google.com/machine-learning/glossary/  Source: Google, ''Machine learning glossary''.]
+(1) [https://fr.wikipedia.org/wiki/Encodage_one-hot  Source: Wikipedia,''Encodage one-hot.'']
-(2) [https://fr.wikipedia.org/wiki/Encodage_one-hot  Source: Wikipedia,''Encodage one-hot.'']
+(2) [https://developers.google.com/machine-learning/glossary/  Source: Google, ''Machine learning glossary.'']
 [https://code.i-harness.com/fr/q/217b2e7 Source: CODE Q&A, ''Python - scikit - sklearn metrics''.]
 [[Catégorie:GRAND LEXIQUE FRANÇAIS]]
 [[catégorie:Intelligence artificielle]]