« Mise à l'échelle » : différence entre les versions


Aucun résumé des modifications
Aucun résumé des modifications
Ligne 3 : Ligne 3 :


Supposons que vous souhaitiez que la plage de toutes les caractéristiques à virgule flottante de l'ensemble de données s'étende de 0 à 1. Si la plage d'une caractéristique particulière 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 toutes les caractéristiques à virgule flottante de l'ensemble de données s'étende de 0 à 1. Si la plage d'une caractéristique particulière s'étend de 0 à 500, vous pouvez mettre à l'échelle cette valeur en divisant chaque valeur par 500.
Dans le contexte des performances d'un [[modèle d'apprentissage]] voir [[loi d'échelle]].


Voir aussi '''[[normalisation]]'''.
Voir aussi '''[[normalisation]]'''.

Version du 7 janvier 2025 à 16:21

Définition

Pratique couramment utilisée dans l'extraction de caractéristiques pour faire correspondre la plage de valeurs d'une caractéristique à celle d'autres caractéristiques de l'ensemble de données.

Supposons que vous souhaitiez que la plage de toutes les caractéristiques à virgule flottante de l'ensemble de données s'étende de 0 à 1. Si la plage d'une caractéristique particulière s'étend de 0 à 500, vous pouvez mettre à l'échelle cette valeur en divisant chaque valeur par 500.

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

Voir aussi normalisation.

Français

mise à l'échelle

Anglais

scaling

Sources

Source : Google machine learning glossary