...dèle que produit ID3 est un arbre de décision. Cet arbre servira à classer de nouveaux échantillons. ...algorithme C4.5]]''' est une amélioration d'ID3, notamment du point de vue de la facilité d'implémentation.

...struire des [[prédicteur]]s par arbre aussi bien en [[régression]] qu'en [[classification]]. ...oir que deux fils) et le critère de segmentation est l'indice de diversité de [[Gini]].

...classification supervisé, publié par Ross Quinlan. Il est basé sur l''''[[algorithme ID3]]''' auquel il apporte plusieurs améliorations. Quinlan a ensuite cré '''algorithme C4.5'''

...] non supervisé utilisé pour la [[classification hiérarchique]] de volumes de données particulièrement importants. '''algorithme BIRCH'''

...ithme de [[classification supervisée]] basé sur la distance entre un point de donnée et des prototypes. L'algorithme QVA a été inventé par Teuvo Kohonen.

...omme les '''[[Arbre de classification | arbres de classification]]''' ou l'algorithme SVM ('''[[Support vector machine |Support Vector Machine]]'''). ''' Segmentation en analyse de texte'''

...(embranchement de l’arbre) et de faire des prédictions à l’aide de calculs de probabilités. ...e est utilisée pour prédire des valeurs numériques comme le prix d’un bien de consommation.

...ssage sur de multiples arbres de décision entraînés sur des sous-ensembles de données légèrement différents. [http://wikistat.fr/pdf/st-m-app-agreg.pdf Source : Wikistats, ''Agrégation de modèles''.]

...'' individus, son but est de répartir ces individus dans un certain nombre de classes. ...situés dans un espace euclidien, on peut utiliser la distance comme mesure de dissimilarité. La dissimilarité entre des individus '''''x''''' et '''''y

...sage non supervisé]] permettant d’obtenir des représentations vectorielles de mots ou [[vecteur-mot|vecteurs-mots]]. ...s statistiques de cooccurrences de mots globales et agrégées calculées sur de vastes corpus.

...omatique supervisé]] utilisée pour la classification et la régression afin de classer une donnée en entrée dans la catégorie à laquelle appartiennent ...ches voisins est un cas particulier d'un algorithme [[apprentissage à base de voisinage]].

[[Algorithme des k plus proches voisins]] dont l'étiquette à prédire (cible) n'est pa Par exemple, en traitement automatique de la langue, pour une phrase, l'étiquette cible pourrait être une structure

...]] qui combine la [[régression logistique]] et l'apprentissage par [[arbre de décision]]. '''arbre de modèle logistique'''

...l'identification des relations d'hyperonymie, d'hyponymie, de synonymie et de contiguïté entre certains termes. '''algorithme d'extraction de relations sémantiques '''

...e de données les unes par rapport aux autres, en leur associant un rang de classification. L'algorithme reprend les grandes lignes d'AdaBoost mais remplace les exemples par des co

...que l'algorithme peut pulvériser. C'est un concept central dans la théorie de Vapnik-Tchervonenkis. Il a été défini par '''Vladimir Vapnik''' et '''A '''dimension de Vapnik-Chervonenkis'''

...tique; qui se base sur l’[[entropie croisée]]. On parle ici d’étiquette ou de variable catégorielle.

[[Méta-algorithme]] d'apprentissage ensembliste qui agrège itérativement des [[classificate '''algorithme de dopage'''

...fication hiérarchique, la méthode de Ward est un [[algorithme]] permettant de regrouper deux classes d'une partition pour obtenir une partition plus agr� '''méthode de Ward'''

Algorithme de classification par [[dopage]]. AdaBoost lui est similaire dans le sens où tous les deux e