« Apprentissage peu profond » : différence entre les versions
Aucun résumé des modifications |
Aucun résumé des modifications |
||
| Ligne 1 : | Ligne 1 : | ||
== 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) | 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]]''' de traitement (deux par exemple), ce qui les rend efficaces sur le plan informatique et plus faciles à entraîner. Il est donc performant 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]]''' | ||
| Ligne 8 : | Ligne 8 : | ||
== Français == | == Français == | ||
''' | ''' apprentissage peu profond''' | ||
== Anglais == | == Anglais == | ||
''' | ''' shallow learning''' | ||
''' SL''' | ''' SL''' | ||
''' | ''' 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. | <!--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.--> | Shallow learning models include algorithms like logistic regression, support vector machines (SVM), and decision trees.--> | ||
Dernière version du 20 août 2025 à 16:16
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 de traitement (deux par exemple), ce qui les rend efficaces sur le plan informatique et plus faciles à entraîner. Il est donc performant 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 Arel, wiki
