« Sous-échantillonnage aléatoire » : différence entre les versions
m (Remplacement de texte — « Category:Vocabulaire » par « <!-- Vocabulaire --> ») |
m (Remplacement de texte : « ↵<small> » par « ==Sources== ») |
||
| (8 versions intermédiaires par 3 utilisateurs non affichées) | |||
| Ligne 1 : | Ligne 1 : | ||
== Définition == | == Définition == | ||
Une approche pour résoudre le problème du déséquilibre de classe consiste à rééchantillonner de manière aléatoire l’ensemble de données d’apprentissage. Les deux principales approches pour rééchantillonner au hasard un ensemble de données déséquilibré consistent à supprimer des exemples de la classe majoritaire, appelé '''sous-échantillonnage''', et à dupliquer des exemples de la classe minoritaire, ce qu’on appelle '''suréchantillonnage'''. | |||
== Français == | == Français == | ||
''' | '''Sous-échantillonnage aléatoire''' | ||
'''Sur-échantillonnage aléatoire''' | |||
== Anglais == | == Anglais == | ||
'''Random Under-Sampling ''' | '''Random Under-Sampling ''' | ||
'''Random Over-Sampling ''' | |||
==Sources== | |||
[https://machinelearningmastery.com/random-oversampling-and-undersampling-for-imbalanced-classification/ Source : machine learning mastery ] | |||
[[Catégorie:GRAND LEXIQUE FRANÇAIS]] | |||
Dernière version du 28 janvier 2024 à 13:03
Définition
Une approche pour résoudre le problème du déséquilibre de classe consiste à rééchantillonner de manière aléatoire l’ensemble de données d’apprentissage. Les deux principales approches pour rééchantillonner au hasard un ensemble de données déséquilibré consistent à supprimer des exemples de la classe majoritaire, appelé sous-échantillonnage, et à dupliquer des exemples de la classe minoritaire, ce qu’on appelle suréchantillonnage.
Français
Sous-échantillonnage aléatoire
Sur-échantillonnage aléatoire
Anglais
Random Under-Sampling
Random Over-Sampling
Sources
Contributeurs: Imane Meziani, wiki, Sihem Kouache
