« Mise à l'échelle » : différence entre les versions
Aucun résumé des modifications Balises : mobile edit mobile web edit |
Aucun résumé des modifications |
||
(16 versions intermédiaires par 4 utilisateurs non affichées) | |||
Ligne 1 : | Ligne 1 : | ||
== Définition == | |||
== | Pratique couramment utilisée dans l'[[extraction d'attributs]] pour faire correspondre la plage de valeurs d'un [[attribut]] à celle d'autres attributs de l'ensemble de données. | ||
[[ | |||
[[ | |||
Supposons que vous souhaitiez que la plage de tous les attributs à virgule flottante de l'ensemble de données s'étende de 0 à 1. Si la plage d'un attribut particulier s'étend de 0 à 500, vous pouvez mettre à l'échelle cette valeur en divisant chaque valeur par 500. | |||
Voir aussi '''[[normalisation]]'''. | Voir aussi '''[[normalisation]]'''. | ||
Dans le contexte des performances d'un [[modèle d'apprentissage]] voir [[loi d'échelle]]. | |||
== Français == | == Français == | ||
'''mise à l'échelle''' | |||
== Anglais == | == Anglais == | ||
'''scaling''' | |||
=== | ==Sources== | ||
[https://developers.google.com/machine-learning/glossary/ Source : Google machine learning glossary ] | |||
[[Category:GRAND LEXIQUE FRANÇAIS]] | |||
[[Category:Apprentissage profond]] | |||
[ | |||
Dernière version du 7 janvier 2025 à 16:23
Définition
Pratique couramment utilisée dans l'extraction d'attributs pour faire correspondre la plage de valeurs d'un attribut à celle d'autres attributs de l'ensemble de données.
Supposons que vous souhaitiez que la plage de tous les attributs à virgule flottante de l'ensemble de données s'étende de 0 à 1. Si la plage d'un attribut particulier s'étend de 0 à 500, vous pouvez mettre à l'échelle cette valeur en divisant chaque valeur par 500.
Voir aussi normalisation.
Dans le contexte des performances d'un modèle d'apprentissage voir loi d'échelle.
Français
mise à l'échelle
Anglais
scaling
Sources
Contributeurs: Evan Brach, Claire Gorjux, Claude Coulombe, Jacques Barolet, wiki, Robert Meloche
