« Shallow Learning » : différence entre les versions
(Page créée avec « == en construction == == Définition == XXXXXX Voir aussi '''réseau peu profond''' == Français == ''' Apprentissage peu profond''' == Anglais == ''' Shallow Learning''' ''' SL''' ''' Shallow Machine Learning''' == Sources == [https://medium.com/@hassaanidrees7/shallow-learning-vs-deep-learning-is-bigger-always-better-51c0bd21f059 Source : Medium] [https://mljourney.com/shallow-vs-deep-learning-key-differences/ Source : ML Journey] [https://www... ») |
Aucun résumé des modifications |
||
| Ligne 2 : | Ligne 2 : | ||
== Définition == | == Définition == | ||
Il s'agit de '''[[Modèle|modèles]]''' d''''[[apprentissage automatique]]''' qui reposent sur l''''[[ingénierie des attributs]]''' et se composent d'une ou de quelques '''[[Couche de neurones|couches]]''' (deux par exemple) de traitement, ce qui les rend efficaces sur le plan informatique et plus faciles à entraîner. Cependant, il est efficace pour les petits '''[[Jeu de données|ensembles de données]]''' et excelle dans les scénarios de '''[[données structurées]]''' où l'interprétabilité est importante. | |||
Voir aussi '''[[réseau peu profond]]''' | Voir aussi '''[[réseau peu profond]]''' | ||
== Compléments == | |||
Les modèles d'apprentissage peu profond comprennent des algorithmes de '''[[régression logistique]]''', des '''[[Séparateur à vaste marge|séparateurs à vaste marge (SVM)]]''' et des '''[[Arbre de décision|arbres de décision]]'''. | |||
== Français == | == Français == | ||
| Ligne 15 : | Ligne 18 : | ||
''' Shallow Machine Learning''' | ''' Shallow Machine Learning''' | ||
<!--It refers to machine learning models that rely on feature engineering and consists of one or few layers (two) of processing, making them computationally efficient and easier to train. However, it is efficient for smaller data sets and it excels in structured data scenarios where interpretability is important. | |||
Shallow learning models include algorithms like logistic regression, support vector machines (SVM), and decision trees.--> | |||
== Sources == | == Sources == | ||
Dernière version du 15 juin 2025 à 12:30
en construction
Définition
Il s'agit de modèles d'apprentissage automatique qui reposent sur l'ingénierie des attributs et se composent d'une ou de quelques couches (deux par exemple) de traitement, ce qui les rend efficaces sur le plan informatique et plus faciles à entraîner. Cependant, il est efficace pour les petits ensembles de données et excelle dans les scénarios de données structurées où l'interprétabilité est importante.
Voir aussi réseau peu profond
Compléments
Les modèles d'apprentissage peu profond comprennent des algorithmes de régression logistique, des séparateurs à vaste marge (SVM) et des arbres de décision.
Français
Apprentissage peu profond
Anglais
Shallow Learning
SL
Shallow Machine Learning
Sources
Contributeurs: Arianne
