Agrégation par ré-échantillonnage avec remise

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.

Compléments

Le ré-échantillonnage désigne le processus de création d'un nouvel échantillon de données à partir d'un jeu de données existant, souvent avec remise.

---

Note: le résultat sera obtenu par le calcul de la moyenne pour une régression (prévision d'un nombre) ou par un vote majoritaire dans le cas d'une classification (prévision d'une classe).

---

Typiquement, le ré-échantillonnage ensembliste aide à réduire la variance et le surapprentissage. L'algorithme de la forêt aléatoire (en anglais, random forest) est une extension très utilisée du ré-échantillonnage avec remise ensembliste.

Voir: Ré-échantillonnage avec remise

---

L'empilement de modèles (en anglais, stacking) et l'amplification de gradient (en anglais, gradient boosting) sont d'autres méthodes pour combiner les résultats d'ensembles de modèles (par exemple, à partir de différents jeux de données utilisés pour l'entraînement des modèles).

Français

ré-échantillonnage avec remise ensembliste

ré-échantillonnage avec remise

agrégation par la méthode de Cyrano

agrégation en circuit fermé

agrégation bootstrap

Anglais

bagging

bootstrap aggregation

gradient bagging

Sources

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

Source: Claude Coulombe, Datafranca.org

Source: Termino