« Minimisation du risque structurel » : différence entre les versions


(Page créée avec « __NOTOC__ == Domaine == Category:VocabulaireVocabulaire<br /> Category:GoogleGoogle<br /> Category:Apprentissage profondApprentissage profond<br /> <br /> ==... »)
 
Aucun résumé des modifications
 
(26 versions intermédiaires par 3 utilisateurs non affichées)
Ligne 1 : Ligne 1 :
__NOTOC__
== Domaine ==
[[Category:Vocabulaire]]Vocabulaire<br />
[[Category:Google]]Google<br />
[[Category:Apprentissage profond]]Apprentissage profond<br />
<br />
== Définition ==
== Définition ==
Algorithme qui concilie les deux objectifs suivants :
[[Algorithme]] qui concilie les deux objectifs suivants :
 
*    Créer le modèle prédictif le plus efficace (par exemple, perte la plus faible)
*    Créer le modèle prédictif le plus efficace (par exemple, perte la plus faible)
*    Créer un modèle aussi simple que possible (par exemple, forte régularisation)
*    Créer un modèle aussi simple que possible (par exemple, forte régularisation)
À comparer avec la [[minimisation du risque empirique]].


Par exemple, une fonction de modèle qui minimise la perte et effectuer régularisation sur l'ensemble d'apprentissage est un algorithme de minimisation du risque structurel.
== Français ==
 
'''minimisation du risque structurel''' 
Pour plus d'informations, consultez la page http://www.svms.org/srm/.
 
À comparer avec la minimisation du risque empirique.
 
 
<br />
== Termes privilégiés ==
=== minimisation du risque structurel (SRM) ===
 


<br />
== Anglais ==
== Anglais ==
'''structural risk minimization'''


===  structural risk minimization (SRM)===
==Sources==
[https://developers.google.com/machine-learning/glossary/ Source : Google machine learning glossary ]


<br/>
[[Category:GRAND LEXIQUE FRANÇAIS]]
<br/>
[[Category:Apprentissage profond]]
<br/>
[https://developers.google.com/machine-learning/glossary/  Source: Google machine learning glossary ]
<br/>
<br/>
<br/>

Dernière version du 5 avril 2024 à 18:38

Définition

Algorithme qui concilie les deux objectifs suivants :

  • Créer le modèle prédictif le plus efficace (par exemple, perte la plus faible)
  • Créer un modèle aussi simple que possible (par exemple, forte régularisation)

À comparer avec la minimisation du risque empirique.

Français

minimisation du risque structurel

Anglais

structural risk minimization

Sources

Source : Google machine learning glossary