Bases du machine learning · Apprentissage supervisé

Arbres de décision

Un modèle qui prédit en posant une séquence de questions oui/non sur l'entrée, comme un logigramme.

Commencer une leçon sur Arbres de décision

À apprendre d'abord

• Types de problèmes en ML: La distinction de base entre apprentissage supervisé (exemples étiquetés), non supervisé (sans étiquettes) et par renforcement.

Mène à

• Méthodes d'ensemble: Combiner de nombreux modèles faibles (souvent des arbres) en un seul plus fort, soit en moyennant (bagging), soit en corrigeant successivement leurs erreurs (boosting).

Notions liées

• Méthodes d'ensemble: Combiner de nombreux modèles faibles (souvent des arbres) en un seul plus fort, soit en moyennant (bagging), soit en corrigeant successivement leurs erreurs (boosting).