« Sélection de caractéristiques » : différence entre les versions


m (Remplacement de texte : « ↵<small> » par «  ==Sources== »)
Aucun résumé des modifications
Ligne 1 : Ligne 1 :
==Définition==
==Définition==
La sélection de caractéristiques (ou sélection d'attributs ou de variables) est une méthode de réduction de la dimensionnalité utilisée   en apprentissage automatique et en traitement de données. Il consiste, dans un espace de grande dimension, à trouver un sous-ensemble de variables pertinentes. C'est-à-dire que l'on cherche à minimiser la perte d'information venant de la suppression de toutes les autres variables. Les techniques de sélection des caractéristiques sont utilisées pour quatre raisons:
La sélection de caractéristiques, aussi nommée sélection d'attributs ou sélection de variables, est une méthode de réduction de la dimensionnalité utilisée en [[apprentissage automatique]] et en traitement de données. Il consiste, dans un espace de grande dimension, à trouver un sous-ensemble de [[Variable|variables]] pertinentes. C'est-à-dire que l'on cherche à minimiser la perte d'information venant de la suppression de toutes les autres variables. Les techniques de sélection des caractéristiques sont utilisées pour quatre raisons:


*simplifier les modèles pour faciliter leur interprétation par les chercheurs / utilisateurs,
*simplifier les modèles pour faciliter leur interprétation par les chercheurs / utilisateurs,
Ligne 6 : Ligne 6 :
*pour éviter le fléau de la dimension,
*pour éviter le fléau de la dimension,
*améliorer la généralisation en réduisant les surajustements.
*améliorer la généralisation en réduisant les surajustements.
Voir aussi [[attribut]] et [[caractéristique]]


==Français==
==Français==

Version du 14 janvier 2025 à 16:13

Définition

La sélection de caractéristiques, aussi nommée sélection d'attributs ou sélection de variables, est une méthode de réduction de la dimensionnalité utilisée en apprentissage automatique et en traitement de données. Il consiste, dans un espace de grande dimension, à trouver un sous-ensemble de variables pertinentes. C'est-à-dire que l'on cherche à minimiser la perte d'information venant de la suppression de toutes les autres variables. Les techniques de sélection des caractéristiques sont utilisées pour quatre raisons:

  • simplifier les modèles pour faciliter leur interprétation par les chercheurs / utilisateurs,
  • réduire la durée de l'apprentissage,
  • pour éviter le fléau de la dimension,
  • améliorer la généralisation en réduisant les surajustements.

Voir aussi attribut et caractéristique

Français

sélection de caractéristiques

sélection d'attributs

sélection de variables

Anglais

feature selection

Sources

Source : Wikipedia IA

Contributeurs: Arianne , Jacques Barolet, wiki