From fb3628983a59552282a7ce1b5fb2906b971fd73c Mon Sep 17 00:00:00 2001
From: Videgrain Adrien <adrien.videgrain@student.ecp.fr>
Date: Mon, 9 Mar 2020 14:04:02 +0100
Subject: [PATCH] Update Adaptation de domaine et transfer learning.md

---
 Adaptation de domaine et transfer learning.md | 10 +++++-----
 1 file changed, 5 insertions(+), 5 deletions(-)

diff --git a/Adaptation de domaine et transfer learning.md b/Adaptation de domaine et transfer learning.md
index 2646786..205b57e 100644
--- a/Adaptation de domaine et transfer learning.md	
+++ b/Adaptation de domaine et transfer learning.md	
@@ -15,11 +15,11 @@ Plusieurs méthodes sont disponibles pour remédier à cela.
 
 ## Situation initiale
 On a :
-Des caractéristiques X, des étiquettes Y
-Une distribution Ps sur X*Y, Pt sur X*Y
-Une fonction de labelling f(X) = Y qui suit Pt(y|x)
-Un ensemble d’entrainement source LS
-Un ensemble non labellisé cible LT
+* Des caractéristiques X, des étiquettes Y
+* Une distribution Ps sur X*Y, Pt sur X*Y
+* Une fonction de labelling f(X) = Y qui suit Pt(y|x)
+* Un ensemble d’entrainement source LS
+* Un ensemble non labellisé cible LT
 
 A partir de là, on veut apprendre un classificateur hypothèse h aussi proche que possible de f qui soit bon sur la distribution Pt.
 
-- 
GitLab