« Empilement généralisé » : différence entre les versions


Aucun résumé des modifications
Balise : Éditeur de wikicode 2017
Aucun résumé des modifications
Balise : Éditeur de wikicode 2017
Ligne 1 : Ligne 1 :
== Définition ==
== Définition ==
Le concept de l'Empilement Généralisé (''stacking'') se rencontre dans le domaine de l' exploration de données prédictif, et permet de combiner les prévisions issues de différents modèles. Il s'avère particulièrement utile lorsque les types de modèles contenus dans le projet sont très différents.
Le concept de l'empilement Généralisé (''stacking'') se rencontre dans le domaine de l' exploration de données prédictif, et permet de combiner les prévisions issues de différents modèles. Il s'avère particulièrement utile lorsque les types de modèles contenus dans le projet sont très différents.


Le ''Boosting'', le ''Bagging'' (''Voting'') constituent d'autres méthodes permettant de combiner les prévisions issues de différents modèles ou méthodes (par exemple, à partir de différents jeux de données utilisés pour l'apprentissage).
Le ''Boosting'', le ''Bagging'' (''Voting'') constituent d'autres méthodes permettant de combiner les prévisions issues de différents modèles ou méthodes (par exemple, à partir de différents jeux de données utilisés pour l'apprentissage).

Version du 10 mai 2020 à 14:11

Définition

Le concept de l'empilement Généralisé (stacking) se rencontre dans le domaine de l' exploration de données prédictif, et permet de combiner les prévisions issues de différents modèles. Il s'avère particulièrement utile lorsque les types de modèles contenus dans le projet sont très différents.

Le Boosting, le Bagging (Voting) constituent d'autres méthodes permettant de combiner les prévisions issues de différents modèles ou méthodes (par exemple, à partir de différents jeux de données utilisés pour l'apprentissage).

Français

empilement de modèles loc. nom. masc.

empilement généralisé loc. nom. masc.

empilement loc. nom. masc.

Anglais

stacking


Source : Statistica

Contributeurs: Imane Meziani, wiki, Sihem Kouache