« Un contre tous » : différence entre les versions


m (Remplacement de texte — « Termes privilégiés » par « Français »)
m (Remplacement de texte : « ↵<small> » par «  ==Sources== »)
 
(17 versions intermédiaires par 3 utilisateurs non affichées)
Ligne 1 : Ligne 1 :
__NOTOC__
==Définition==
== Domaine ==
Étant donné un problème de classification avec N solutions possibles, une solution un contre tous consiste en N classificateurs binaires distincts: un classificateur binaire pour chaque résultat possible. Soit, par exemple, un modèle qui classe les exemples en animal, végétal ou minéral. Une solution un contre tous fournirait les trois classificateurs binaires distincts suivants:
[[Category:GRAND LEXIQUE FRANÇAIS]]
* animal contre non animal
[[Category:Vocabulaire2]]
* végétal contre non végétal
[[Category:Google2]]
* minéral contre non minéral
[[Category:Apprentissage profond2]]
[[Category:scotty2]]


<br />
==Français==
'''un contre tous'''


== Définition ==
==Anglais==
Étant donné un problème de classification avec N solutions possibles, une solution un contre tous consiste en N classificateurs binaires distincts : un classificateur binaire pour chaque résultat possible. Soit, par exemple, un modèle qui classe les exemples en animal, végétal ou minéral. Une solution un contre tous fournirait les trois classificateurs binaires distincts suivants :
'''one-vs.-all'''
==Sources==


*  Animal contre non animal
[https://developers.google.com/machine-learning/glossary/ Source: Google machine learning glossary]
*    Végétal contre non végétal
*    Minéral contre non minéral




 
<!--  CATÉGORIES  -->
<br />
[[Category:GRAND LEXIQUE FRANÇAIS]]
== Français ==
[[Category:Apprentissage profond]]
=== un contre tous ===
 
 
<br />
== Anglais ==
 
===  one-vs.-all ===
 
<br/>
<br/>
<br/>
[https://developers.google.com/machine-learning/glossary/  Source: Google machine learning glossary ]
<br/>
<br/>
<br/>

Dernière version du 28 janvier 2024 à 15:08

Définition

Étant donné un problème de classification avec N solutions possibles, une solution un contre tous consiste en N classificateurs binaires distincts: un classificateur binaire pour chaque résultat possible. Soit, par exemple, un modèle qui classe les exemples en animal, végétal ou minéral. Une solution un contre tous fournirait les trois classificateurs binaires distincts suivants:

  • animal contre non animal
  • végétal contre non végétal
  • minéral contre non minéral

Français

un contre tous

Anglais

one-vs.-all

Sources

Source: Google machine learning glossary