« Sélection de caractéristiques » : différence entre les versions


Aucun résumé des modifications
m (Remplacement de texte — « <small> féminin </small> » par «  »)
(20 versions intermédiaires par 2 utilisateurs non affichées)
Ligne 1 : Ligne 1 :
==Domaine==
[[category:Vocabulaire]]
[[Catégorie:Wikipedia-IA]]
[[Catégorie:Intelligence artificielle]]
[[Catégorie:Apprentissage automatique]]
[[Catégorie:scotty]]
<br>
==Définition==
==Définition==
La sélection de caractéristique (ou sélection d'attribut ou de variable) est un processus utilisé en apprentissage automatique et en traitement de données. Il consiste, étant donné des données dans un espace de grande dimension, à trouver un sous-sensemble de variables pertinentes1. C'est-à-dire que l'on cherche à minimiser la perte d'information venant de la suppression de toutes les autres variables. C'est une méthode de réduction de la dimensionnalité1.
La sélection de caractéristiques (ou sélection d'attributs ou de variables) est une méthode de réduction de la dimensionnalité utilisée  en apprentissage automatique et en traitement de données. Il consiste, dans un espace de grande dimension, à trouver un sous-ensemble de variables pertinentes. C'est-à-dire que l'on cherche à minimiser la perte d'information venant de la suppression de toutes les autres variables. Les techniques de sélection des caractéristiques sont utilisées pour quatre raisons:
 
Dans l'apprentissage automatique et les statistiques, la sélection de caractéristiques, également appelée sélection de variables, sélection d'attributs ou sélection de sous-ensembles de variables, est le processus de sélection d'un sous-ensemble de caractéristiques pertinentes (variables, prédicteurs) à utiliser dans la construction du modèle. Les techniques de sélection des caractéristiques sont utilisées pour quatre raisons:  
 
simplification des modèles pour faciliter leur interprétation par les chercheurs / utilisateurs,
 
réduction des temps de formation, afin d’éviter le fléau de la dimension,
 
amélioration de la généralisation en réduisant les surajustements
 
variance [1])


*simplifier les modèles pour faciliter leur interprétation par les chercheurs / utilisateurs,
*réduire la durée de l'apprentissage,
*pour éviter le fléau de la dimension,
*améliorer la généralisation en réduisant les surajustements.


==Français     >>>>>>>>>>redirections==
==Français==
'''sélection de caractéristique'''  n.f.
'''sélection de caractéristiques'''   


'''sélection d'attributs'''  n.f.
'''sélection d'attributs'''   


'''sélection de variables''' n.f.
'''sélection de variables'''   
   
   
   
==Anglais==
==Anglais==
'''feature selection'''
'''feature selection'''
<small>




[https://en.wikipedia.org/wiki/Feature_selection Source : Wikipedia IA]




[https://fr.wikipedia.org/wiki/S%C3%A9lection_de_caract%C3%A9ristique Source : Wikipedia IA]
[[Catégorie:Intelligence artificielle]]
[[Catégorie:Apprentissage automatique]]
[[Category:GRAND LEXIQUE FRANÇAIS]]

Version du 1 février 2021 à 21:19

Définition

La sélection de caractéristiques (ou sélection d'attributs ou de variables) est une méthode de réduction de la dimensionnalité utilisée en apprentissage automatique et en traitement de données. Il consiste, dans un espace de grande dimension, à trouver un sous-ensemble de variables pertinentes. C'est-à-dire que l'on cherche à minimiser la perte d'information venant de la suppression de toutes les autres variables. Les techniques de sélection des caractéristiques sont utilisées pour quatre raisons:

  • simplifier les modèles pour faciliter leur interprétation par les chercheurs / utilisateurs,
  • réduire la durée de l'apprentissage,
  • pour éviter le fléau de la dimension,
  • améliorer la généralisation en réduisant les surajustements.

Français

sélection de caractéristiques

sélection d'attributs

sélection de variables

Anglais

feature selection


Source : Wikipedia IA



Contributeurs: Jacques Barolet, wiki