« Erreur Out Of Bag » : différence entre les versions


m (ClaireGorjux a déplacé la page Out-of-bag error vers Erreur Out Of Bag)
Aucun résumé des modifications
Ligne 1 : Ligne 1 :
==en construction==
== Définition ==
== Définition ==
XXXXXXXXX
Méthode de mesure de l'erreur de prédiction des forêts aléatoires, des arbres de décision boostés et d'autres modèles d'apprentissage automatique utilisant l'agrégation bootstrap (bagging). La mise en sac utilise un sous-échantillonnage avec remplacement pour créer des échantillons d'entraînement à partir desquels le modèle peut apprendre. L'erreur OOB est l'erreur de prédiction moyenne sur chaque échantillon de formation xi, en utilisant uniquement les arbres qui n'avaient pas xi dans leur échantillon bootstrap.


== Français ==
== Français ==
''' XXXXXXXXX '''
'''erreur Out Of Bag'''


== Anglais ==
== Anglais ==
''' Out-of-bag error'''
'''Out-of-bag error'''
 
 
Out-of-bag (OOB) error, also called out-of-bag estimate, is a method of measuring the prediction error of random forests, boosted decision trees, and other machine learning models utilizing bootstrap aggregating (bagging). Bagging uses subsampling with replacement to create training samples for the model to learn from. OOB error is the mean prediction error on each training sample xᵢ, using only the trees that did not have xᵢ in their bootstrap sample.[1]
 
Bootstrap aggregating allows one to define an out-of-bag estimate of the prediction performance improvement by evaluating predictions on those observations which were not used in the building of the next base learner.
 


<small>
<small>
Ligne 21 : Ligne 13 :


[https://en.wikipedia.org/wiki/Outline_of_machine_learning#Machine_learning_algorithms  Source : Wikipedia Machine learning algorithms  ]
[https://en.wikipedia.org/wiki/Outline_of_machine_learning#Machine_learning_algorithms  Source : Wikipedia Machine learning algorithms  ]
[https://perso.univ-rennes2.fr/system/files/users/rouviere_l/poly_apprentissage.pdf  Source : Université de Rennes 2 ]


[[Catégorie:vocabulary]]
[[Catégorie:vocabulary]]
[[Catégorie:Wikipedia-IA‏‎]]
[[Catégorie:Wikipedia-IA‏‎]]

Version du 22 novembre 2021 à 09:03

Définition

Méthode de mesure de l'erreur de prédiction des forêts aléatoires, des arbres de décision boostés et d'autres modèles d'apprentissage automatique utilisant l'agrégation bootstrap (bagging). La mise en sac utilise un sous-échantillonnage avec remplacement pour créer des échantillons d'entraînement à partir desquels le modèle peut apprendre. L'erreur OOB est l'erreur de prédiction moyenne sur chaque échantillon de formation xi, en utilisant uniquement les arbres qui n'avaient pas xi dans leur échantillon bootstrap.

Français

erreur Out Of Bag

Anglais

Out-of-bag error

Source : Source : Wikipedia

Source : Wikipedia Machine learning algorithms

Source : Université de Rennes 2

Contributeurs: Claire Gorjux, wiki