« Mise à l'échelle » : différence entre les versions


Aucun résumé des modifications
Aucun résumé des modifications
 
(17 versions intermédiaires par 3 utilisateurs non affichées)
Ligne 1 : Ligne 1 :
__NOTOC__
== Domaine ==
[[Category:GRAND LEXIQUE FRANÇAIS]]
[[Category:Vocabulaire2]]
[[Category:Google2]]
[[Category:Apprentissage profond2]]
[[Category:scotty2]]
<br />
== Définition ==
== Définition ==
Pratique couramment utilisée dans l'extraction de caractéristiques pour faire correspondre la plage de valeurs d'une caractéristique à celle d'autres caractéristiques de l'ensemble de données. Supposons que vous souhaitiez que la plage de toutes les caractéristiques à virgule flottante de l'ensemble de données s'étende de 0 à 1. Si la plage d'une caractéristique particulière s'étend de 0 à 500, vous pouvez mettre à l'échelle cette valeur en divisant chaque valeur par 500.
Pratique couramment utilisée dans l'[[extraction de caractéristiques]] pour faire correspondre la plage de valeurs d'une [[caractéristique]] à celle d'autres caractéristiques de l'ensemble de données.  
 
Voir aussi '''normalisation'''.
 


<br />
Supposons que vous souhaitiez que la plage de toutes les caractéristiques à virgule flottante de l'ensemble de données s'étende de 0 à 1. Si la plage d'une caractéristique particulière s'étend de 0 à 500, vous pouvez mettre à l'échelle cette valeur en divisant chaque valeur par 500.


== Termes privilégiés ==
Voir aussi '''[[normalisation]]'''.
=== mise à l'échelle  <small>n.f.</small> ===


 
== Français ==
<br />
'''mise à l'échelle'''


== Anglais ==
== Anglais ==
'''scaling'''


===  scaling===
==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 18:39

Définition

Pratique couramment utilisée dans l'extraction de caractéristiques pour faire correspondre la plage de valeurs d'une caractéristique à celle d'autres caractéristiques de l'ensemble de données.

Supposons que vous souhaitiez que la plage de toutes les caractéristiques à virgule flottante de l'ensemble de données s'étende de 0 à 1. Si la plage d'une caractéristique particulière s'étend de 0 à 500, vous pouvez mettre à l'échelle cette valeur en divisant chaque valeur par 500.

Voir aussi normalisation.

Français

mise à l'échelle

Anglais

scaling

Sources

Source : Google machine learning glossary