« Amplification adaptative » : différence entre les versions
Aucun résumé des modifications |
Aucun résumé des modifications Balise : Éditeur de wikicode 2017 |
||
| Ligne 1 : | Ligne 1 : | ||
==Définition== | ==Définition== | ||
De ''adaptive boosting'', méta-algorithme d'amplification introduit par Yoav Freund et Robert Schapire. Il peut être utilisé en association avec de nombreux autres types d''''[[Algorithme d'apprentissage|algorithmes d'apprentissage]]''' afin d'en améliorer les '''[[Performance|performances]]'''. Les sorties des autres algorithmes (appelés ''classificateurs faibles'') sont combinées en une somme pondérée qui représente la sortie finale du classificateur amplifié. L'amplification est adaptative dans le sens où les classificateurs faibles subséquents sont ajustés en faveur des échantillons mal classés par les classificateurs précédents. | De ''adaptive boosting'', méta-algorithme d'amplification introduit par Yoav Freund et Robert Schapire. Il peut être utilisé en association avec de nombreux autres types d''''[[Algorithme d'apprentissage|algorithmes d'apprentissage]]''' afin d'en améliorer les '''[[Performance|performances]]'''. Les sorties des autres algorithmes (appelés ''classificateurs faibles'') sont combinées en une somme pondérée qui représente la sortie finale du classificateur amplifié. L'amplification est adaptative dans le sens où les classificateurs faibles subséquents sont ajustés en faveur des échantillons mal classés par les classificateurs précédents. | ||
| Ligne 14 : | Ligne 11 : | ||
==Anglais== | ==Anglais== | ||
'''Adaboost''' | '''Adaboost''' | ||
| Ligne 20 : | Ligne 16 : | ||
[https://fr.wikipedia.org/wiki/AdaBoost Source : Wikipedia, ''AdaBoost''] | [https://fr.wikipedia.org/wiki/AdaBoost Source : Wikipedia, ''AdaBoost''] | ||
[[Catégorie:Apprentissage automatique]] | |||
[[Catégorie:Algorithme d'optimisation]] | |||
[[Catégorie:GRAND LEXIQUE FRANÇAIS]] | |||
Version du 3 mai 2020 à 09:16
Définition
De adaptive boosting, méta-algorithme d'amplification introduit par Yoav Freund et Robert Schapire. Il peut être utilisé en association avec de nombreux autres types d'algorithmes d'apprentissage afin d'en améliorer les performances. Les sorties des autres algorithmes (appelés classificateurs faibles) sont combinées en une somme pondérée qui représente la sortie finale du classificateur amplifié. L'amplification est adaptative dans le sens où les classificateurs faibles subséquents sont ajustés en faveur des échantillons mal classés par les classificateurs précédents.
Français
amplification adaptative loc. nom. fém.
algorithme AdaBoost loc.nom. masc.
AdaBoost nom propre
Anglais
Adaboost
Contributeurs: Jacques Barolet, wiki
