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


Aucun résumé des modifications
Balise : Éditeur de wikicode 2017
m (Remplacement de texte : « ↵<small> » par «  ==Sources== »)
 
(31 versions intermédiaires par 3 utilisateurs non affichées)
Ligne 1 : Ligne 1 :
== Domaine ==
==Définition==
 
[[Category:Vocabulaire]]
[[Category:Intelligence artificielle]]Intelligence artificielle<br />
 
 
 
[[Category:Termino 2019]]
[[Category:Scotty]]
 
 
 
<br>
 
 
 
== 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.
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.


<br>
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-échantillonage avec remise]]'''


==Français==
'''ré-échantillonnage avec remise ensembliste''' 


== Français ==
'''agrégation par la méthode de Cyrano'''


'''ré-échantillonnage avec remise ensembliste'''
'''agrégation de circuit fermé'''
<br>


'''agrégation par bootstrap'''
==Anglais==
<br>
'''bagging'''


'''agrégation par la méthode de Cyrano'''
'''bootstrap aggregation'''


<br>
'''Gradient Bagging'''


Note<br>


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 (en anglais, "random forest") est une extension très utilisée du ré-échantillonnage ensembliste.
==Sources==


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


[[Utilisateur:Claude COULOMBE | Source: Claude Coulombe, Datafranca.org]]       
 
[[Utilisateur:Patrickdrouin  | Source: Termino]]


== Anglais ==
[[Category:Termino 2019]]
 
'''bagging'''
 
'''bootstrap aggregation'''


<br>
[[Catégorie:GRAND LEXIQUE FRANÇAIS]]

Dernière version du 28 janvier 2024 à 13:11

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-échantillonage avec remise

Français

ré-échantillonnage avec remise ensembliste

agrégation par la méthode de Cyrano

agrégation de circuit fermé

Anglais

bagging

bootstrap aggregation

Gradient Bagging


Sources

Source: Wang, Jianqiang C ; Jean D. Opsomer et Haonan Wang (2014). L’agrégation bootstrap des estimateurs non différenciables dans les enquêtes complexes, Statistique Canada.

Source: Claude Coulombe, Datafranca.org

Source: Termino

Récupérée de « https://datafranca.org/wiki/index.php?title=Ré-échantillonnage_avec_remise_ensembliste&oldid=91867 »


Contributeurs: Jacques Barolet, Julie Roy, Patrick Drouin, wiki