Generalization errorFor supervised learning applications in machine learning and statistical learning theory, generalization error (also known as the out-of-sample error or the risk) is a measure of how accurately an algorithm is able to predict outcome values for previously unseen data. Because learning algorithms are evaluated on finite samples, the evaluation of a learning algorithm may be sensitive to sampling error. As a result, measurements of prediction error on the current data may not provide much information about predictive ability on new data.
Automated machine learningAutomated machine learning (AutoML) is the process of automating the tasks of applying machine learning to real-world problems. AutoML potentially includes every stage from beginning with a raw dataset to building a machine learning model ready for deployment. AutoML was proposed as an artificial intelligence-based solution to the growing challenge of applying machine learning. The high degree of automation in AutoML aims to allow non-experts to make use of machine learning models and techniques without requiring them to become experts in machine learning.
HyperparamètreDans l'apprentissage automatique, un hyperparamètre est un paramètre dont la valeur est utilisée pour contrôler le processus d'apprentissage. En revanche, les valeurs des autres paramètres (généralement la pondération de nœuds) sont obtenues par apprentissage. Les hyperparamètres peuvent être classifiés comme étant des hyperparamètres de modèle, qui ne peuvent pas être déduits en ajustant la machine à l'ensemble d'entraînement parce qu'ils s'appliquent à la tâche de la sélection du modèle, ou des hyperparamètres d'algorithmes, qui en principe n'ont aucune influence sur la performance du modèle mais affectent la rapidité et la qualité du processus d'apprentissage.
Calotte sphériquethumb|Une sphère et les deux calottes sphériques découpées par un plan En géométrie, une calotte sphérique est une portion de sphère délimitée par un plan. C'est un cas particulier de zone sphérique. Lorsque le plan passe par le centre de la sphère, on obtient un hémisphère. Cette surface de révolution sert de délimitant à deux types de solides : le secteur sphérique, portion de boule découpée par un cône le segment sphérique à une base, portion de boule découpée par un plan.
Sphèrevignette|Rendu en fil de fer d'une sphère dans un espace euclidien. En géométrie dans l'espace, une sphère est une surface constituée de tous les points situés à une même distance d'un point appelé centre. La valeur de cette distance au centre est le rayon de la sphère. La géométrie sphérique est la science qui étudie les propriétés des sphères. La surface de la Terre peut, en première approximation, être modélisée par une sphère dont le rayon est d'environ .
Covariance matrixIn probability theory and statistics, a covariance matrix (also known as auto-covariance matrix, dispersion matrix, variance matrix, or variance–covariance matrix) is a square matrix giving the covariance between each pair of elements of a given random vector. Any covariance matrix is symmetric and positive semi-definite and its main diagonal contains variances (i.e., the covariance of each element with itself). Intuitively, the covariance matrix generalizes the notion of variance to multiple dimensions.
Spherical conicIn mathematics, a spherical conic or sphero-conic is a curve on the sphere, the intersection of the sphere with a concentric elliptic cone. It is the spherical analog of a conic section (ellipse, parabola, or hyperbola) in the plane, and as in the planar case, a spherical conic can be defined as the locus of points the sum or difference of whose great-circle distances to two foci is constant. By taking the antipodal point to one focus, every spherical ellipse is also a spherical hyperbola, and vice versa.
Segment sphériqueEn géométrie, un segment sphérique est le solide défini en coupant une boule avec une paire de plans parallèles. La surface du segment sphérique à l'exclusion des bases est appelée zone sphérique. Le segment sphérique est donc la partie de l’espace limitée par une zone sphérique et deux disques. Si le rayon de la sphère est appelé R, les rayons des bases des segments sphériques sont r1 et r2 et la hauteur du segment sphérique (la distance d'un plan parallèle à l'autre) appelée h, alors le volume du segment sphérique est : Lorsqu'un des plans est tangent à la sphère, on parle de segment sphérique à une base.
Diagonalevignette|Le segment [D'B'] est une diagonale du carré A'B'C'D'.[D'B'] et [A'C] sont tous deux des diagonales du cube ci-dessus. On appelle diagonale d'un polygone tout segment reliant deux sommets non consécutifs (non reliés par un côté). Un polygone à n côtés possède donc diagonales. Un quadrilatère est un parallélogramme si, et seulement si, ses diagonales se croisent en leur milieu. On appelle diagonale de l'espace une diagonale d'un polytope, diagonale de l'espace principale une diagonale principale d'un polytope, diagonale de l'espace brisée une diagonale brisée d'un hypercube.
CovarianceEn théorie des probabilités et en statistique, la covariance entre deux variables aléatoires est un nombre permettant de quantifier leurs écarts conjoints par rapport à leurs espérances respectives. Elle s’utilise également pour deux séries de données numériques (écarts par rapport aux moyennes). La covariance de deux variables aléatoires indépendantes est nulle, bien que la réciproque ne soit pas toujours vraie. La covariance est une extension de la notion de variance.
Trigonométrie sphériqueLa trigonométrie sphérique est un ensemble de relations analogues à celles de la trigonométrie euclidienne mais portant sur les angles et distances repérés sur une sphère. La figure de base est le triangle sphérique, délimité non plus par des segments de droites mais par des arcs de demi-grands cercles de cette sphère. Les règles habituelles de la trigonométrie euclidienne ne sont pas applicables ; par exemple la somme des angles d'un triangle situé sur une sphère, s'ils sont exprimés en degrés, est supérieure à 180 degrés.
Réseau de neurones artificielsUn réseau de neurones artificiels, ou réseau neuronal artificiel, est un système dont la conception est à l'origine schématiquement inspirée du fonctionnement des neurones biologiques, et qui par la suite s'est rapproché des méthodes statistiques. Les réseaux de neurones sont généralement optimisés par des méthodes d'apprentissage de type probabiliste, en particulier bayésien.
