« Ré-échantillonnage avec remise ensembliste » : différence entre les versions


Aucun résumé des modifications
Aucun résumé des modifications
Balise : Éditeur de wikicode 2017
Ligne 10 : Ligne 10 :
Note: le résultat sera obtenu par le calcul de la moyenne pour une régression (prédiction d'un nombre) ou par un vote majoritaire dans le cas d'une classification (prédiction d'une classe). Typiquement, le ré-échantillonnage ensembliste aide à réduire la variance et le sur-ajustement. L'algorithme de la forêt aléatoire ''(random forest)'' est une extension très utilisée du ré-échantillonnage ensembliste.
Note: le résultat sera obtenu par le calcul de la moyenne pour une régression (prédiction d'un nombre) ou par un vote majoritaire dans le cas d'une classification (prédiction d'une classe). Typiquement, le ré-échantillonnage ensembliste aide à réduire la variance et le sur-ajustement. L'algorithme de la forêt aléatoire ''(random forest)'' est une extension très utilisée du ré-échantillonnage ensembliste.


Voir: '''Ré-échantillonnage avec remise.'''
Voir: '''[https://datafranca.org/wiki/R%C3%A9-%C3%A9chantillonage_avec_remise Ré-échantillonnage avec remise.]'''


==Français==
==Français==

Version du 7 juillet 2019 à 16:01


Définition

Méta-algorithme d'apprentissage ensembliste qui ré-échantillonne au hasard avec remise les données d'entraînement pour créer un ensemble de modèles où chaque sous-échantillon correspond à un modèle distinct.

Note: le résultat sera obtenu par le calcul de la moyenne pour une régression (prédiction d'un nombre) ou par un vote majoritaire dans le cas d'une classification (prédiction d'une classe). Typiquement, le ré-échantillonnage ensembliste aide à réduire la variance et le sur-ajustement. L'algorithme de la forêt aléatoire (random forest) est une extension très utilisée du ré-échantillonnage ensembliste.

Voir: Ré-échantillonnage avec remise.

Français

ré-échantillonnage avec remise ensembliste loc. nom. masc.

agrégation par la méthode de Cyrano loc. nom. fém.

Anglais

bagging

bootstrap aggregation


Source: Wang, Jianqiang C.; Jean D. Opsomer et Haonan Wang (2014). L’agrégation bootstrap des estimateurs non différenciables dans les enquêtes complexes, Statistique Canada, https://www150.statcan.gc.ca/n1/pub/12-001-x/2014002/article/14118-fra.htm, consulté le 28 mai 2019.

Source: Claude Coulombe, Datafranca.org

Source: Termino