Estimation de l'erreur de prédiction

Définition

Dans un algorithme, somme des fréquences estimées à partir du nombre de données d’entraînement qui sont classées comme appartenant à chaque nœud enfant.

un algorithme de (rétro)calcul ou d'arbres de décision

Compléments

Cette somme est appelée la sauvegarde de l'estimation d'erreur pour le nœud de branche; la sauvegarde d'estimation d'erreur n'a pas de sens pour un nœud feuille.

Dans le cadre de l'élagage d'un arbre de décision, l'une des questions qui se pose pour décider de l'élagage d'une branche de l'arbre est de savoir si l'erreur estimée de classification est plus importante dans le cas où la branche est présente ou élaguée.

Pour estimer l'erreur si la branche est présente, on prend les erreurs estimées associées aux enfants des nœuds de la branche (qui doivent bien sûr avoir été calculées au préalable), on les multiplie par les fréquences estimées selon lesquelles la branche actuelle classera les données dans chaque nœud enfant, et on additionne les produits résultants.

Français

estimation de l’erreur prédite

estimation d'erreur rétrocalculée

estimation d'erreur rétroestimée

erreur rétrocalculée

Anglais

expected error estimate

Laplace error estimate

In pruning a decision tree, one needs to be able to estimate the expected error at any node (branch or leaf). This can be done using the Laplace error estimate, which is given by the formula

E(S) = (N – n + k – 1) / (N + k).

where

S	is the set of instances in a node
k	is the number of classes (e.g. 2 if instances are just being classified into 2 classes: say positive and negative)
N	is the is the number of instances in S
C	is the majority class in S
n	out of N examples in S belong to C

Source : INWS machine learning dictionary