« Forêt aléatoire » : différence entre les versions
Balises : mobile edit mobile web edit |
|||
| Ligne 10 : | Ligne 10 : | ||
== Définition == | == Définition == | ||
Les forêts aléatoires (de l'anglais ''random forest classifier'') aussi appelées forêts d'arbres décisionnels, ont été formellement proposées en 2001 par Leo Breiman et Adèle Cutler. Elles font partie des techniques d'apprentissage automatique. Cet algorithme combine les concepts de sous-espaces aléatoires et de bagging. L'algorithme des forêts d'arbres décisionnels effectue un apprentissage sur de multiples arbres de décision entraînés sur des sous-ensembles de données légèrement différents. | Les forêts aléatoires (de l'anglais ''random forest classifier'') aussi appelées forêts d'arbres décisionnels, ont été formellement proposées en 2001 par Leo Breiman et Adèle Cutler. Elles font partie des techniques d'apprentissage automatique. Cet algorithme combine les concepts de sous-espaces aléatoires et de mise en grappe (''bagging''). L'algorithme des forêts d'arbres décisionnels effectue un apprentissage sur de multiples arbres de décision entraînés sur des sous-ensembles de données légèrement différents. | ||
La base du calcul repose sur l'apprentissage par arbre de décision. La proposition de Breiman vise à corriger plusieurs inconvénients connus de la méthode initiale, comme la sensibilité des arbres uniques à l'ordre des prédicteurs, en calculant un ensemble de '''''B''''' arbres partiellement indépendants. | La base du calcul repose sur l'apprentissage par arbre de décision. La proposition de Breiman vise à corriger plusieurs inconvénients connus de la méthode initiale, comme la sensibilité des arbres uniques à l'ordre des prédicteurs, en calculant un ensemble de '''''B''''' arbres partiellement indépendants. | ||
Version du 7 février 2019 à 21:41
Domaine
Vocabulaire
[[Category: ]]
Définition
Les forêts aléatoires (de l'anglais random forest classifier) aussi appelées forêts d'arbres décisionnels, ont été formellement proposées en 2001 par Leo Breiman et Adèle Cutler. Elles font partie des techniques d'apprentissage automatique. Cet algorithme combine les concepts de sous-espaces aléatoires et de mise en grappe (bagging). L'algorithme des forêts d'arbres décisionnels effectue un apprentissage sur de multiples arbres de décision entraînés sur des sous-ensembles de données légèrement différents.
La base du calcul repose sur l'apprentissage par arbre de décision. La proposition de Breiman vise à corriger plusieurs inconvénients connus de la méthode initiale, comme la sensibilité des arbres uniques à l'ordre des prédicteurs, en calculant un ensemble de B arbres partiellement indépendants.
Français
forêt aléatoire n.f.
forêt d'arbres décisionnels n.f.
forêt d'arbres aléatoire n.f.
ensemble d'arbres décisionnels n.m.
ensemble d’arbres aléatoire n.m.
Anglais
random forest
Source : Wikipedia IA
source : Wikistats.fr
Contributeurs: Evan Brach, Claude Coulombe, Jacques Barolet, wiki
