Property |
Value |
dbo:abstract
|
- Dans la théorie de l'apprentissage automatique, la dimension VC (pour dimension de Vapnik-Chervonenkis suivant la translittération anglaise souvent utilisée en français ou en translittération française pour dimension de Vapnik-Tchervonenkis) est une mesure de la capacité d'un algorithme de classification statistique. Elle est définie comme le cardinal du plus grand ensemble de points que l'algorithme peut pulvériser. C'est un concept central dans la théorie de Vapnik-Tchervonenkis. Il a été défini par Vladimir Vapnik et Alexeï Tchervonenkis. (fr)
- Dans la théorie de l'apprentissage automatique, la dimension VC (pour dimension de Vapnik-Chervonenkis suivant la translittération anglaise souvent utilisée en français ou en translittération française pour dimension de Vapnik-Tchervonenkis) est une mesure de la capacité d'un algorithme de classification statistique. Elle est définie comme le cardinal du plus grand ensemble de points que l'algorithme peut pulvériser. C'est un concept central dans la théorie de Vapnik-Tchervonenkis. Il a été défini par Vladimir Vapnik et Alexeï Tchervonenkis. (fr)
|
dbo:discoverer
| |
dbo:namedAfter
| |
dbo:thumbnail
| |
dbo:wikiPageExternalLink
| |
dbo:wikiPageID
| |
dbo:wikiPageLength
|
- 6885 (xsd:nonNegativeInteger)
|
dbo:wikiPageRevisionID
| |
dbo:wikiPageWikiLink
| |
prop-fr:date
|
- décembre 2016 (fr)
- décembre 2016 (fr)
|
prop-fr:thème
|
- mathématiques (fr)
- mathématiques (fr)
|
prop-fr:wikiPageUsesTemplate
| |
dct:subject
| |
rdfs:comment
|
- Dans la théorie de l'apprentissage automatique, la dimension VC (pour dimension de Vapnik-Chervonenkis suivant la translittération anglaise souvent utilisée en français ou en translittération française pour dimension de Vapnik-Tchervonenkis) est une mesure de la capacité d'un algorithme de classification statistique. Elle est définie comme le cardinal du plus grand ensemble de points que l'algorithme peut pulvériser. C'est un concept central dans la théorie de Vapnik-Tchervonenkis. Il a été défini par Vladimir Vapnik et Alexeï Tchervonenkis. (fr)
- Dans la théorie de l'apprentissage automatique, la dimension VC (pour dimension de Vapnik-Chervonenkis suivant la translittération anglaise souvent utilisée en français ou en translittération française pour dimension de Vapnik-Tchervonenkis) est une mesure de la capacité d'un algorithme de classification statistique. Elle est définie comme le cardinal du plus grand ensemble de points que l'algorithme peut pulvériser. C'est un concept central dans la théorie de Vapnik-Tchervonenkis. Il a été défini par Vladimir Vapnik et Alexeï Tchervonenkis. (fr)
|
rdfs:label
|
- Chiều VC (vi)
- Dimension de Vapnik-Chervonenkis (fr)
- Vapnik–Chervonenkis dimension (en)
- بعد فابنيك-تشيرفونينكيس (ar)
|
rdfs:seeAlso
| |
owl:sameAs
| |
prov:wasDerivedFrom
| |
foaf:depiction
| |
foaf:isPrimaryTopicOf
| |
is dbo:wikiPageRedirects
of | |
is dbo:wikiPageWikiLink
of | |
is oa:hasTarget
of | |
is foaf:primaryTopic
of | |