LSTM

  • Imprimer
Modèle basé sur la distinction pouvant être faite entre états attitudinaux et traits. Comme le précisent Rolf Steyer et Manfred Schmidtt : « Les attitudes ne sont jamais mesurées dans un vide de situation. La situation dans laquelle sont évaluées les attitudes et les interactions entre la personne et la situation peut avoir des effets systématiques sur les réponses aux questionnaires d’attitude. Néanmoins, des différences interindividuelles systématiques et stables existent aussi. Nous complétons le concept classique de la fiabilité par deux coefficients : le coefficient de cohérence qui est la proportion de la variance d’une variable observée en raison de différences interindividuelles. Le coefficient de spécificité qui est la proportion de la variance due à (a) les différentes situations qui peuvent survenir pour des personnes différentes à l’occasion d’une mesure, et (b) l’interaction personne-situation. La somme des deux coefficients est le coefficient de fiabilité pour l’occasion de la mesure envisagée. » Jean Frisou et Hélène Yildiz expliquent que : « Le modèle LSTM (Latent State Trait Model), tout d’abord, a été appliqué par les psychologues aux concepts de désirabilité sociale et d’humeur. L’estimation de ce modèle requiert la mesure répétée des k items dans lesquels se réfléchit le construit. Ces mesures sont effectuées aux instants “t" (t = 0, 2,…T) au cours desquels les mêmes items sont administrés aux mêmes individus. Ce mode de recueil des données justifie d’introduire une “erreur stable d’item" vk. Cette erreur, qui persiste au fil du temps, est induite par les réactions idiosyncrasiques des répondants à la façon dont un item est formulé. Le score observé de l’item k (k = 1,2,3), à l’instant “t" (t = 0,1,2…T) noté ykt, est déterminé par le facteur ?t, exprimant la composante éphémère ou “état" du construit, l’erreur stable vk spécifique à l’item k, une constante pkt et une erreur temporaire d’item ekt. » Le sigle LSTM ne doit pas être confondu avec le sigle homonyme du modèle « Long Short Term Memory ».

Définitions sur le même sujet

La rédaction vous recommande

Le machine learning au service des retailers
Le machine learning au service des retailers

Le machine learning au service des retailers

Par Chirine Massière et Meryem Raji, consultantes mc2i groupe

Les perspectives de personnalisation du parcours client et optimisation des processus que IA semble en mesure offrir sont sur toutes les levres [...]

5 idées reçues sur la tarification dynamique
5 idées reçues sur la tarification dynamique

5 idées reçues sur la tarification dynamique

Par Pierre Hébrard, fondateur et CEO de Pricemoov

La tarification dynamique consiste ajuster ses prix la hausse ou la baisse en fonction du contexte achat Cependant les idees preconcues persistent [...]