Voir la source de Élimination progressive d'attributs

==Définition==
Dans le domaine de l'[[apprentissage automatique]] et de la statistique, l'élimination progressive d'attributs est une méthode qui sélectionne les attributs les moins pertinents pour un modèle en les retirant un par un, en fonction de leur plus faible contribution à la performance du modèle.

== Compléments ==
Voir le processus inverse, l'[[ajout progressif d'attributs]].
<hr/>
Typiquement, on va éliminer les attributs qui contribuent le moins à l'erreur sur le modèle jusqu'à ce que l'on observe que l'erreur change beaucoup. 
<hr/>
L'élimination progressive d'attributs peut avoir du mal à gérer les situations où il existe une forte corrélation, des relations non-linéaires ou des interactions complexes entre les attributs.

La méthode est sensible à l'ordre dans lequel les attributs sont choisis, ce qui peut conduire à des résultats sous-optimaux.

Cette méthode peut passer à côté d'informations importantes contenues dans des combinaisons de variables qui ne se retrouvent pas ensemble.
 
==Français==

'''élimination progressive d'attributs'''

'''élimination graduelle d'attributs'''

'''retrait progressif d'attributs'''

'''retrait graduel d'attributs'''

==Anglais==

'''backward feature elimination'''

==Sources==

[https://www.lemondeinformatique.fr/actualites/lire-tout-savoir-sur-le-data-wrangling-et-l-analyse-exploratoire-des-donnees-83107.html Le monde informatique - élimination progressive des variables les moins discriminantes]

[https://www.analyticsvidhya.com/blog/2021/04/forward-feature-selection-and-its-implementation/ - Analytics Vidhya - Forward Feature Selection in Machine Learning: A Comprehensive Guide]

[[Categorie:GRAND LEXIQUE FRANÇAIS]]
[[Catégorie:Publication]]