Comment gérer les données lors d'une prédiction
Fermé
Utilisateur anonyme
-
15 juin 2018 à 21:29
Whismeril Messages postés 18279 Date d'inscription mardi 11 mars 2003 Statut Contributeur Dernière intervention 17 mars 2023 - 16 juin 2018 à 21:08
Whismeril Messages postés 18279 Date d'inscription mardi 11 mars 2003 Statut Contributeur Dernière intervention 17 mars 2023 - 16 juin 2018 à 21:08
A voir également:
- Comment gérer les données lors d'une prédiction
- Gerer les mots de passe - Guide
- Comment sauvegarder toutes les données de mon téléphone - Guide
- Germain veut gérer les activités de son association avec une base de données. il a commencé à créer des tables dans un fichier, mais il n’est pas sûr du résultat. le fichier à télécharger contient uniquement le schéma de cette base de données. en l’état actuel, que peut-on en déduire ? - Forum Outlook
- Gerer les profils netflix - Guide
- Modèle conceptuel de données - Astuces et Solutions
1 réponse
Whismeril
Messages postés
18279
Date d'inscription
mardi 11 mars 2003
Statut
Contributeur
Dernière intervention
17 mars 2023
888
16 juin 2018 à 20:49
16 juin 2018 à 20:49
Bonjour

Tu dis que pour toi la majorité est aberrant et que ton IA devra savoir trier les patates.
Je n'y connais rien ou presque en machine learning, mais comme son nom l'indique elle apprend, il faut donc, je pense commencer par lui apprendre à détecter ce qui est cohérent.
Enfin je pense.
Dans l'exemple 1, la droite des moindres carrés est très proches des valeurs affines, une fois qu'on a sorti la valeur éloignée, la nouvelle droite des moindres carrés colle pile poil aux valeurs.
Dans l'exemple 2, le point extrême est loin de la moyenne, si on sort ce qui est au delà d'un seuil (3 sigma par exemple), ce point est rejeté et ça affecte la moyenne de façon infime.
Donc là, les 2 méthodes mathématiques se basent bien sur la majorité.
elle-ci sont principalement composées de données "aberrantes"par essence une valeurs aberrante est une valeur qui ne colle pas avec la majorité.

Tu dis que pour toi la majorité est aberrant et que ton IA devra savoir trier les patates.
Je n'y connais rien ou presque en machine learning, mais comme son nom l'indique elle apprend, il faut donc, je pense commencer par lui apprendre à détecter ce qui est cohérent.
Enfin je pense.
Dans l'exemple 1, la droite des moindres carrés est très proches des valeurs affines, une fois qu'on a sorti la valeur éloignée, la nouvelle droite des moindres carrés colle pile poil aux valeurs.
Dans l'exemple 2, le point extrême est loin de la moyenne, si on sort ce qui est au delà d'un seuil (3 sigma par exemple), ce point est rejeté et ça affecte la moyenne de façon infime.
Donc là, les 2 méthodes mathématiques se basent bien sur la majorité.
16 juin 2018 à 21:06
Si la majorité des données est aberrante, ton IA sera aberrante.
Un exemple (d'actualité) : Norman, une IA nourrie à la violence qui du coup assimile tout comme étant violent...
Ou quand le MIT s'amuse à créer une IA psychopathe !
Un peu moins d'actualité, mais toujours sur le même principe, il y avait TayandYou, une IA de Microsoft, débranchée 24h après son lancement, car elle était devenue raciste à force de discuter sur Twitter...
16 juin 2018 à 21:08