« Interprétation de la probabilité » : différence entre les versions

Dernière version du 27 janvier 2024 à 23:54

Définition

Quantifier la probabilité d'un résultat, la correspondance de classification d'une entrée ou la confiance dans une hypothèse sont des tâches fondamentales pour qu'un modèle de machine soit utile dans le monde réel, sans parler de l'apprentissage et de l'amélioration.

Alors que les humains peuvent se fier à leur intuition, l'intelligence artificielle a besoin d'une méthode plus scientifique pour quantifier ces concepts abstraits et les transformer en fonctions qu'un algorithme peut utiliser et dont il peut tirer des enseignements. Ainsi, pour les besoins de l'apprentissage automatique, quelle que soit la méthode spécifique de calcul et d'interprétation des probabilités employée, toutes les formes humaines d'intuition peuvent être divisées en deux grandes catégories : les probabilités fréquentistes (propriétés physiques) et les probabilités bayésiennes (preuves).

Français

Interprétation de la probabilité

Anglais

Probability interpretation

Sources

Source : Wikipeddia (Probability interpretations)

Source : DeepAI.org

@@ Ligne 1 : / Ligne 1 : @@
-==en construction==
+== Définition ==
+Quantifier la probabilité d'un résultat, la correspondance de classification d'une entrée ou la confiance dans une hypothèse sont des tâches fondamentales pour qu'un modèle de machine soit utile dans le monde réel, sans parler de l'apprentissage et de l'amélioration.
-== Définition ==
+Alors que les humains peuvent se fier à leur intuition, l'intelligence artificielle a besoin d'une méthode plus scientifique pour quantifier ces concepts abstraits et les transformer en fonctions qu'un algorithme peut utiliser et dont il peut tirer des enseignements. Ainsi, pour les besoins de l'apprentissage automatique, quelle que soit la méthode spécifique de calcul et d'interprétation des probabilités employée, toutes les formes humaines d'intuition peuvent être divisées en deux grandes catégories : les probabilités fréquentistes (propriétés physiques) et les probabilités bayésiennes (preuves).
-XXXXXXXXX
 == Français ==
-''' XXXXXXXXX '''
+'''Interprétation de la probabilité'''
 == Anglais ==
-''' Probability Interpretation'''
+'''Probability interpretation'''
-Quantifying the probability of an outcome, classification match of an input or confidence in a hypothesis are basic tasks for any machine model to be useful in the real world, let alone to learn and improve itself. While humans can rely on intuition and their “gut feelings,” artificial intelligence needs a more scientific way to quantify these abstract concepts into functions an algorithm can use and learn from. So for the purposes of machine learning, regardless of the specific method of calculating and interpreting probability that’s employed, all human forms of intuition can be divided into two broad categories:
+==Sources==
-<small>
+[https://en.wikipedia.org/wiki/Probability_interpretations  Source : Wikipeddia (Probability interpretations) ]
-[https://deepai.org/machine-learning-glossary-and-terms/probability-interpretations Source : DeepAI.org ]
+[https://deepai.org/machine-learning-glossary-and-terms/probability-interpretations  Source : DeepAI.org ]
-[[Catégorie:DeepAI.org]]
-[[Catégorie:vocabulary]]
+[[Catégorie:GRAND LEXIQUE FRANÇAIS]]