Bases du machine learning · Apprentissage supervisé

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).

Commencer une leçon sur Méthodes d'ensemble

À apprendre d'abord

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

Notions liées

• Réglage des hyperparamètres: Rechercher systématiquement les réglages (taux d'apprentissage, force de régularisation, profondeur d'arbre) qui ne sont pas appris à partir des données mais choisis avant l'entraînement.