« Régularisation (mathématiques) » : différence entre les versions


Balise : Éditeur de wikicode 2017
 
Aucun résumé des modifications
Ligne 1 : Ligne 1 :


== Domaine ==
==Domaine==
[[category:Vocabulaire]]  
[[category:Vocabulaire]]  
[[Catégorie:Wikipedia-IA]]
[[Catégorie:Wikipedia-IA]]
Ligne 8 : Ligne 8 :
<br>
<br>


== Définition ==
==Définition==
Dans le domaine des mathématiques et des statistiques, et plus particulièrement dans le domaine de l'apprentissage automatique, la régularisation fait référence à un processus consistant à ajouter de l'information à un problème pour éviter le surapprentissage. Cette information prend généralement la forme d'une pénalité envers la complexité du modèle. On peut relier cette méthode au principe du rasoir d'Occam. D'un point de vue bayésien, l'utilisation de la régularisation revient à imposer une distribution a priori sur les paramètres du modèle.
Dans le domaine des statistiques, et plus particulièrement dans le domaine de l'apprentissage automatique, la régularisation fait référence à un processus consistant à ajouter de l'information à un problème pour éviter le surapprentissage. Cette information prend généralement la forme d'une pénalité envers la complexité du modèle. On peut relier cette méthode au principe du rasoir d'Occam. D'un point de vue bayésien, l'utilisation de la régularisation revient à imposer une distribution a priori sur les paramètres du modèle.




 
==Français==
== Français ==
'''Régularisation (mathématiques)'''
'''Régularisation (mathématiques)'''
   
   
Ligne 19 : Ligne 18 :




== Anglais ==
==Anglais==
'''regularization'''
'''regularization'''


Ligne 25 : Ligne 24 :




[https://fr.wikipedia.org/wiki/R%C3%A9gularisation_(math%C3%A9matiques)   Source : Wikipedia IA ]
[https://fr.wikipedia.org/wiki/R%C3%A9gularisation_(math%C3%A9matiques) Source : Wikipedia IA]

Version du 30 mai 2019 à 23:22

Domaine


Définition

Dans le domaine des statistiques, et plus particulièrement dans le domaine de l'apprentissage automatique, la régularisation fait référence à un processus consistant à ajouter de l'information à un problème pour éviter le surapprentissage. Cette information prend généralement la forme d'une pénalité envers la complexité du modèle. On peut relier cette méthode au principe du rasoir d'Occam. D'un point de vue bayésien, l'utilisation de la régularisation revient à imposer une distribution a priori sur les paramètres du modèle.


Français

Régularisation (mathématiques)



Anglais

regularization



Source : Wikipedia IA



Contributeurs: Jacques Barolet, wiki