« Classificateur à gradient amplifié » : différence entre les versions
m (Claude COULOMBE a déplacé la page Classificateur à renforcement de gradient vers Classificateur à gradient amplifié) |
Aucun résumé des modifications |
||
| Ligne 1 : | Ligne 1 : | ||
== Définition == | == Définition == | ||
Les classificateurs à | Les classificateurs à gradient amplifié sont un groupe d’algorithmes d’apprentissage automatique qui combinent de nombreux modèles d’apprentissage faibles pour créer un modèle prédictif solide. Les arbres de décision sont généralement employés lors de l’augmentation de gradient. Les modèles de renforcement du gradient sont populaires en raison de leur efficacité à classer des ensembles de données complexes et on les a récemment utilisés pour gagner de nombreux concours scientifiques de données Kaggle. | ||
La bibliothèque d’apprentissage automatique Python, Scikit-Learn, prend en charge différentes implémentations de classificateurs d’amplification de gradient, y compris XGBoost. | La bibliothèque d’apprentissage automatique Python, Scikit-Learn, prend en charge différentes implémentations de classificateurs d’amplification de gradient, y compris XGBoost. | ||
== Français == | == Français == | ||
'''Classificateur à renforcement de gradient''' | |||
'''Classificateur à gradient amplifié''' | |||
'''Classificateur à renforcement de gradient''' | |||
== Anglais == | == Anglais == | ||
| Ligne 11 : | Ligne 14 : | ||
==Sources== | ==Sources== | ||
[https://isi-web.org/glossary/3217 Glossaire ISI - amplification] | |||
[https://stackabuse.com/gradient-boosting-classifiers-in-python-with-scikit-learn/ Source : stackabuse.com ] | [https://stackabuse.com/gradient-boosting-classifiers-in-python-with-scikit-learn/ Source : stackabuse.com ] | ||
[[Catégorie:GRAND LEXIQUE FRANÇAIS]] | [[Catégorie:GRAND LEXIQUE FRANÇAIS]] | ||
[[Catégorie:Publication]] | |||
Version du 27 avril 2025 à 01:12
Définition
Les classificateurs à gradient amplifié sont un groupe d’algorithmes d’apprentissage automatique qui combinent de nombreux modèles d’apprentissage faibles pour créer un modèle prédictif solide. Les arbres de décision sont généralement employés lors de l’augmentation de gradient. Les modèles de renforcement du gradient sont populaires en raison de leur efficacité à classer des ensembles de données complexes et on les a récemment utilisés pour gagner de nombreux concours scientifiques de données Kaggle.
La bibliothèque d’apprentissage automatique Python, Scikit-Learn, prend en charge différentes implémentations de classificateurs d’amplification de gradient, y compris XGBoost.
Français
Classificateur à gradient amplifié
Classificateur à renforcement de gradient
Anglais
Gradient boosting classifier
Sources
Contributeurs: Claude Coulombe, wiki, Sihem Kouache
