« Régularisation L2 » : différence entre les versions
m (Remplacement de texte — « Category:Google2 » par « <!-- Google --> ») |
Aucun résumé des modifications |
||
| Ligne 5 : | Ligne 5 : | ||
[[Category:Termino 2019]] | [[Category:Termino 2019]] | ||
== Définition == | ==Définition== | ||
Régularisation qui ajuste à la baisse les poids au sein d'un modèle proportionnellement à la somme des carrés de leurs valeurs afin de contrer le surajustement. | Régularisation qui ajuste à la baisse les poids au sein d'un modèle proportionnellement à la somme des carrés de leurs valeurs afin de contrer le surajustement. | ||
Note: la régularisation L2 vise à ce que les poids dont la valeur est marginale (valeur positive ou négative très élevée ou très faible) se rapprochent le plus possible de 0 (sans jamais l'atteindre). | |||
== Français == | ==Français== | ||
'''régularisation L2''' n. f. | '''régularisation L2''' n. f. | ||
'''régularisation de Ridge ''' n. f. | '''régularisation de Ridge ''' n. f. | ||
== Anglais == | ==Anglais== | ||
'''L2 regularization''' | '''L2 regularization''' | ||
| Ligne 28 : | Ligne 28 : | ||
Source : Google, Machine learning, https://developers.google.com/machine-learning/crash-course/regularization-for-simplicity/l2-regularization?hl=fr, consulté le 5 juin 2019. | Source : Google, Machine learning, https://developers.google.com/machine-learning/crash-course/regularization-for-simplicity/l2-regularization?hl=fr, consulté le 5 juin 2019. | ||
[https://developers.google.com/machine-learning/glossary/ | [https://developers.google.com/machine-learning/glossary/ Source: Google machine learning glossary] | ||
[[Utilisateur:Patrickdrouin | Source : Termino | [[Utilisateur:Patrickdrouin | Source : Termino]] | ||
Version du 7 juillet 2019 à 16:18
Définition
Régularisation qui ajuste à la baisse les poids au sein d'un modèle proportionnellement à la somme des carrés de leurs valeurs afin de contrer le surajustement.
Note: la régularisation L2 vise à ce que les poids dont la valeur est marginale (valeur positive ou négative très élevée ou très faible) se rapprochent le plus possible de 0 (sans jamais l'atteindre).
Français
régularisation L2 n. f.
régularisation de Ridge n. f.
Anglais
L2 regularization
Ridge regularization
Source : Géron, Aurélien (2017). Deep Learning avec TensorFlow - Mise en oeuvre et cas concrets, Paris, Dunod, 360 pages.
Source : Google, Machine learning, https://developers.google.com/machine-learning/crash-course/regularization-for-simplicity/l2-regularization?hl=fr, consulté le 5 juin 2019.
Contributeurs: Claire Gorjux, Jacques Barolet, Patrick Drouin, wiki, Robert Meloche
