« Recalibrage des attributs » : différence entre les versions

Version du 16 septembre 2025 à 15:10

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 255. Si la plage d'un attribut particulier s'étend de 0 à 500, vous pouvez mettre à l'échelle cette valeur par une simple règle de trois (ou produit croisé).

Voir aussi normalisation.

Dans le contexte des performances d'un modèle d'apprentissage voir loi d'échelle.

Français

mise à l'échelle

Anglais

attribute scaling

scaling

Sources

Source : Google machine learning glossary

@@ Ligne 2 : / Ligne 2 : @@
 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.
+Supposons que vous souhaitiez que la plage de tous les attributs à virgule flottante de l'ensemble de données s'étende de 0 à 255. Si la plage d'un attribut particulier s'étend de 0 à 500, vous pouvez mettre à l'échelle cette valeur par une simple règle de trois (ou produit croisé).
 Voir aussi '''[[normalisation]]'''.
 Dans le contexte des performances d'un [[modèle d'apprentissage]] voir [[loi d'échelle]].
 == Français ==
@@ Ligne 13 : / Ligne 12 : @@
 == Anglais ==
+'''attribute scaling'''
 '''scaling'''
@@ Ligne 20 : / Ligne 21 : @@
 [[Category:GRAND LEXIQUE FRANÇAIS]]
 [[Category:Apprentissage profond]]
+[[Category:Publication]]

« Recalibrage des attributs » : différence entre les versions