« Algorithme de dopage » : différence entre les versions


Aucun résumé des modifications
Aucun résumé des modifications
 
(25 versions intermédiaires par 3 utilisateurs non affichées)
Ligne 1 : Ligne 1 :
==Domaine==
[[Category:Vocabulaire]]
[[Category:Intelligence artificielle]]
Intelligence artificielle<br />
[[Category:Termino 2019]]
[[Category:Scotty]]
[[Category:9]]
<br>


==Définition==
==Définition==
Méta-algorithme d'apprentissage ensembliste qui agrège itérativement des classificateurs faibles créés et pondérés selon leur performance pour former un classificateur final fort.
[[Méta-algorithme]] d'apprentissage ensembliste qui agrège itérativement des [[classificateur]]s faibles créés et pondérés selon leur performance pour former un classificateur final fort.
 
Note: le but du dopage ensembliste est de réduire la variance et le biais en combinant un ensemble de classificateurs faibles. Au moment de l'ajout d'un classificateur faible, la pondération des données est réajustée (re-pondération) où les données mal classées gagnent du poids et les données bien classées perdent du poids. Ainsi, les futurs classificateurs faibles se concentrent davantage sur les exemples que les apprenants faibles précédents ont mal classifiés. Rappelons qu'un classificateur faible est un classificateur capable de distinguer deux classes au moins aussi bien que le hasard ne le permet (il ne se trompe donc pas plus d'une fois sur deux en moyenne, si la distribution des classes est équilibrée). Des algorithmes très populaires appliquent le dopage ensembliste comme l'incontournable XGBoost et AdaBoost (abréviation du terme ''adaptative boosting'') qui a surtout une importance historique.
<br>


==Français==
==Français==
'''algorithme de dopage'''
'''algorithme de dopage'''  
n.m.<br>
<br>
<br>
<br><br>


==Anglais==
==Anglais==
'''boosting'''
'''boosting algorithm'''
 
 
 
Source : Russell, Stuart et Peter Norvig (2010). Intelligence artificielle avec plus de 500 exercices, 3e édition, Paris, Pearson Education, 1200 pages.<br>


Source : Meddouri, N. et M. Maddouri (2009). Générer des règles de classification par dopage de concepts formels, actes de la conférence EGC 2009, pages 181–186.<br>
==Sources==
Source : Russell, Stuart et Peter Norvig (2010). ''Intelligence artificielle avec plus de 500 exercices'', 3e édition, Paris, Pearson Education, 1200 pages.


Source : Atanasoaei, Cosmin (2012). Multivariate Boosting with Look-Up Tables for Face Processing, thèse de doctorat, École polytechnique fédérale de Lausanne, 151 pages.
Source : Meddouri, N. et M. Maddouri (2009). ''Générer des règles de classification par dopage de concepts formels'', actes de la conférence EGC 2009, pages 181–186.


Source : Atanasoaei, Cosmin (2012). ''Multivariate Boosting with Look-Up Tables for Face Processing'', thèse de doctorat, École polytechnique fédérale de Lausanne, 151 pages.


Source: Termino, Datafranca.org<br>
[[Utilisateur:Patrickdrouin  | Source: Termino]]
[[Catégorie:Intelligence artificielle]]
[[Catégorie:Termino 2019]]
[[Catégorie:GRAND LEXIQUE FRANÇAIS]]

Dernière version du 2 février 2024 à 20:15

Définition

Méta-algorithme d'apprentissage ensembliste qui agrège itérativement des classificateurs faibles créés et pondérés selon leur performance pour former un classificateur final fort.

Français

algorithme de dopage

Anglais

boosting algorithm

Sources

Source : Russell, Stuart et Peter Norvig (2010). Intelligence artificielle avec plus de 500 exercices, 3e édition, Paris, Pearson Education, 1200 pages.

Source : Meddouri, N. et M. Maddouri (2009). Générer des règles de classification par dopage de concepts formels, actes de la conférence EGC 2009, pages 181–186.

Source : Atanasoaei, Cosmin (2012). Multivariate Boosting with Look-Up Tables for Face Processing, thèse de doctorat, École polytechnique fédérale de Lausanne, 151 pages.

Source: Termino