2023
Spiegazione
La date de référence pour les définitions et références sur les problèmes de régression dans ce contexte est 2023, année où Thierry Montaut a publié ses travaux.
Attribuer une étiquette ou classe à chaque observation
Spiegazione
Le problème de classification a pour rôle principal d'apprendre à attribuer une étiquette ou une classe à chaque observation, en utilisant une fonction qui mappe les observations à des classes finies.
$$ \frac{1}{n} \sum_{i=1}^n | y_i - f(x_i) | $$
Spiegazione
La formule du MAE (Mean Absolute Error) est la moyenne des erreurs absolues, ce qui correspond à la première option. Elle est calculée comme la somme des valeurs absolues des écarts entre les valeurs observées y_i et les valeurs prédites f(x_i), divisée par le nombre total d’observations n.
Les hyper paramètres sont fixés avant l'apprentissage, tandis que les paramètres appris sont ajustés durant l'apprentissage.
Spiegazione
Les hyper paramètres sont fixés avant l'apprentissage pour configurer le modèle, tandis que les paramètres appris sont ajustés durant l'apprentissage pour optimiser la performance.
Elle répète plusieurs fois le processus de partitionnement pour mesurer la stabilité de l’erreur de généralisation.
Spiegazione
La validation croisée se caractérise par sa répétition multiple du processus de partitionnement des données, ce qui permet d’obtenir une estimation fiable et stable de la performance du modèle sur différentes sous-ensembles, évitant ainsi le biais d’un seul partitionnement.
Thierry Montaut
Spiegazione
Thierry Montaut est l’auteur mentionné dans le contexte comme ayant défini ou expliqué la notion de paramètres appris, notamment dans la section spécifique sur ce sujet. Les autres noms sont des experts en apprentissage automatique, mais ne sont pas cités dans ce contexte pour cette définition précise.
Se base sur des données étiquetées {(x, y)} pour apprendre une fonction f qui prédit y à partir de x.
Spiegazione
L'apprentissage supervisé repose sur l'utilisation de données étiquetées {(x, y)} pour entraîner un modèle à prédire y à partir de x, ce qui correspond à la réponse 2. Les autres options décrivent des méthodes différentes ou incorrectes : l'apprentissage non supervisé (option 1), l'absence de données pour l'entraînement (option 3), ou une utilisation des données étiquetées sans objectif de prédiction (option 4).
Une courbe représentant la performance du modèle en fonction du nombre de données d'apprentissage, permettant d’évaluer si le modèle a atteint une saturation ou peut encore s'améliorer.
Spiegazione
La courbe d'apprentissage représente la performance du modèle en fonction du nombre de données d'apprentissage, ce qui permet d’évaluer si le modèle a atteint une saturation ou si davantage de données pourraient améliorer ses performances.
Elles sont utilisées pour ajuster et apprendre les paramètres du modèle.
Spiegazione
Les données d’entraînement sont utilisées pour ajuster et apprendre les paramètres du modèle, en minimisant l’erreur sur ces données, comme indiqué dans la section sur 'Données d’entraînement'.
Elle permet de vérifier si le modèle a bien convergé et peut généraliser ses prédictions.
Spiegazione
La validation du modèle permet de vérifier la convergence de l'apprentissage et la capacité du modèle à généraliser ses prédictions à de nouvelles données, ce qui est essentiel pour garantir la performance réelle du modèle.
Utiliser la validation croisée pour évaluer la stabilité du modèle
Spiegazione
L’utilisation de la validation croisée permet d’évaluer la stabilité et la capacité de généralisation du modèle, ce qui aide à détecter et prévenir le surapprentissage. Les autres options sont incorrectes : augmenter la complexité peut aggraver le surapprentissage, réduire la taille du jeu d’entraînement ne résout pas le problème et ignorer la validation ne permet pas de mesurer la généralisation.
Memorizza le risposte con 22 flashcard su Introduction à l'Apprentissage Supervisé.
Apprentissage supervisé — définition ?
Méthode où la fonction est apprise à partir de données étiquetées.
Données étiquetées — rôle ?
Fournissent la supervision pour entraîner le modèle.
Problème de classification — Y ?
Y est un ensemble fini de classes ou catégories.
Leggi la scheda di revisione completa su Introduction à l'Apprentissage Supervisé.
Vedi la scheda di revisione →Intelligence Artificielle
Bases de données
Bases de données
Bases de données
Importa il tuo corso e l'AI genera quiz con correzioni in 30 secondi.
Generatore di quiz