« Régularisation » : différence entre les versions

Version du 2 juin 2019 à 16:01

Domaine

Intelligence artificielle
Apprentissage profond

Définition

Processus qui consiste généralement à pénaliser les valeurs extrêmes des paramètres d'un modèle afin d'éviter un éventuel surajustement.

Note

Les régularisations les plus couramment employées le domaine des mathématiques, statistiques et de l'apprentissage automatique sont les régularisation L1 et L2.

Français

régularisation n.f.

Anglais

regularization

Source: Google machine learning glossary

Publié : datafranca.org

@@ Ligne 6 : / Ligne 6 : @@
 [[Category:Apprentissage profond2]]
 [[Category:scotty2]]
+[[Category:Intelligence artificielle]]Intelligence artificielle<br />
+[[Catégorie:Apprentissage profond]]Apprentissage profond<br>
+[[Category:Vocabulaire]]
+[[Category:Termino 2019]]
 <br />
 == Définition ==
-Pénalité pour la complexité d'un modèle. La régularisation aide à éviter le surapprentissage. Les différents types de régularisation sont notamment :
+Processus qui consiste généralement à pénaliser les valeurs extrêmes des paramètres d'un modèle afin d'éviter un éventuel surajustement.
-*    '''Régularisation L1'''
-*    '''Régularisation L2'''
-*    '''Régularisation par abandon'''
-*    '''Arrêt prématuré''' (Il ne s'agit pas vraiment d'une méthode de régularisation, mais l'arrêt prématuré peut limiter efficacement le surapprentissage.)
+Note
+Les régularisations les plus couramment employées le domaine des mathématiques, statistiques et de l'apprentissage automatique sont les régularisation L1 et L2.
@@ Ligne 21 : / Ligne 25 : @@
 == Français ==
-=== régularisation <small>n.f.</small> ===
+'''régularisation''' <small>n.f.</small>
@@ Ligne 28 : / Ligne 32 : @@
 == Anglais ==
-===  regularization===
+'''regularization'''
 <br/>