noun
Un modèle discriminatif est un type de modèle d’apprentissage automatique conçu pour prédire la probabilité d’une sortie spécifique à partir d’une entrée, sans modéliser la distribution sous-jacente des données.
Contrairement aux modèles génératifs, qui apprennent comment les données sont créées, les modèles discriminatifs se concentrent sur les frontières de décision. Par exemple, un modèle discriminatif entraîné sur des images pourrait apprendre à les classer comme ‘chat’ ou ‘chien’ en analysant les motifs de pixels.
Pour les utilisateurs, cela signifie des prédictions plus rapides et plus précises dans des tâches comme la reconnaissance d’images ou la traduction de langues. Cependant, cela nécessite de grandes quantités de données étiquetées et peut avoir du mal avec les cas rares ou ambigus. Par exemple, un modèle discriminatif pourrait identifier correctement 95 % des chats sur des images, mais échouer sur des races inhabituelles sans suffisamment d’exemples d’entraînement.
Un modèle discriminatif dans une application photo étiquette automatiquement les photos de animaux comme 'chat' ou 'chien' sans générer de nouvelles images.
Dans les autres langues
Voir aussi : generative model · Supervised learning