« Classificateur à gradient amplifié » : différence entre les versions

Version du 27 avril 2025 à 01:25

Définition

Les classificateurs à gradient amplifié sont un groupe d’algorithmes d’apprentissage ensembliste qui combinent de nombreux modèles d’apprentissage faibles pour créer un modèle prédictif solide.

Compléments

Nous recommandons l'adjectif « amplifié » ou « dopé » plutôt que « renforcé » pour éviter toute confusion avec l'apprentissage par renforcement et aussi pour favoriser l'emploi du mot « amplifié » comme équivalent du terme anglais « boosting ».

Les arbres de décision sont généralement employés pour l’amplification de gradient. Les modèles à gradient amplifié sont populaires en raison de leur efficacité à classer des ensembles de données complexes et on les a récemment utilisés pour gagner de nombreux défis en science de données comme Kaggle.

La bibliothèque d’apprentissage automatique Python, Scikit-Learn, prend en charge différentes implémentations de classificateurs à gradient amplifié.

Français

classificateur à gradient amplifié

classificateur à gradient dopé

classificateur à gradient renforcé (Ne pas confondre avec l'apprentissage par renforcement)

classificateur à amplification de gradient

classificateur à dopage de gradient

classificateur à renforcement de gradient (Ne pas confondre avec l'apprentissage par renforcement)

Anglais

Gradient boosting classifier

Sources

Glossaire ISI - amplification

Source : stackabuse.com

@@ Ligne 1 : / Ligne 1 : @@
 == 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.
+Les [[classificateur|classificateurs]] à gradient amplifié sont un groupe d’algorithmes d’[[apprentissage ensembliste]] qui combinent de nombreux modèles d’apprentissage faibles pour créer un modèle prédictif solide.
-La bibliothèque d’apprentissage automatique Python, Scikit-Learn, prend en charge différentes implémentations de classificateurs d’amplification de gradient, y compris XGBoost.
+== Compléments ==
+Nous recommandons l'adjectif « amplifié » ou « dopé » plutôt que « renforcé » pour éviter toute confusion avec l'[[apprentissage par renforcement]] et aussi pour favoriser l'emploi du mot « amplifié » comme équivalent du  terme anglais « boosting ».
+<hr/>
+Les arbres de décision sont généralement employés pour l’[[amplification de gradient]]. Les modèles à gradient amplifié sont populaires en raison de leur efficacité à classer des ensembles de données complexes et on les a récemment utilisés pour gagner de nombreux défis en [[science de données]] comme Kaggle.
+La bibliothèque d’apprentissage automatique Python, Scikit-Learn, prend en charge différentes implémentations de classificateurs à gradient amplifié.
 == Français ==
-'''Classificateur à gradient amplifié'''
+'''classificateur à gradient amplifié'''
+'''classificateur à gradient dopé'''
+'''classificateur à gradient renforcé''' <small>(Ne pas confondre avec l'[[apprentissage par renforcement]])</small>
+'''classificateur à amplification de gradient'''
+'''classificateur à dopage de gradient'''
-'''Classificateur à renforcement de gradient'''
+'''classificateur à renforcement de gradient''' <small>(Ne pas confondre avec l'[[apprentissage par renforcement]])</small>
 == Anglais ==

« Classificateur à gradient amplifié » : différence entre les versions