« Empilement de modèles » : différence entre les versions
Aucun résumé des modifications |
Aucun résumé des modifications |
||
| (4 versions intermédiaires par un autre utilisateur non affichées) | |||
| Ligne 1 : | Ligne 1 : | ||
== Définition == | == Définition == | ||
Technique d'[[apprentissage ensembliste|apprentissage automatique ensembliste]] qui permet de combiner les résultats issus des différents modèles d'un ensemble de modèles. | |||
== Compléments == | == Compléments == | ||
L'[[amplification du gradient]] (''gradient boosting''), | L'empilement de modèles (en anglais, ''stacking'') s'avère particulièrement utile lorsque les types de modèles contenus dans le projet sont très différents. | ||
<hr/> | |||
L'[[amplification du gradient]] (en anglais, ''gradient boosting''), l'[[agrégation par ré-échantillonnage avec remise]] (en anglais, ''Bagging'') 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 == | == Français == | ||
| Ligne 14 : | Ligne 15 : | ||
== Anglais == | == Anglais == | ||
'''model stacking''' | |||
'''stacking models''' | |||
'''stacking ensemble''' | |||
'''stacking''' | '''stacking''' | ||
'''stacked models''' | |||
'''stacked generalization''' | '''stacked generalization''' | ||
| Ligne 20 : | Ligne 30 : | ||
==Sources== | ==Sources== | ||
[https://www. | [https://www.crim.ca/fr/blogue/manipuler-les-variables-categoriques-dans-un-jeu-de-donnees/ - Blogue CRIM - empilement de modèles] | ||
[https://theses.hal.science/tel-02966716v1/file/thesis_wangqi_ECM.pdf Thèse de Qi Wang - Multivariate group analyses for functional neuroimaging : conceptual and experimental advances - généralisation par empilement] | |||
[https://machinelearningmastery.com/stacking-ensemble-machine-learning-with-python/ Machine Learning Mastery - stacking ensemble, stacked generalization, stacking] | |||
[https://bradleyboehmke.github.io/HOML/stacking.html Hands-On Machine Learning with R by | |||
Bradley Boehmke & Brandon Greenwell - stacked models] | |||
<!-- {{Modèle:Statistiques}} --> | <!-- {{Modèle:Statistiques}} --> | ||
[[Catégorie:Statistiques]] | [[Catégorie:Statistiques]] | ||
Dernière version du 5 mai 2025 à 15:16
Définition
Technique d'apprentissage automatique ensembliste qui permet de combiner les résultats issus des différents modèles d'un ensemble de modèles.
Compléments
L'empilement de modèles (en anglais, stacking) s'avère particulièrement utile lorsque les types de modèles contenus dans le projet sont très différents.
L'amplification du gradient (en anglais, gradient boosting), l'agrégation par ré-échantillonnage avec remise (en anglais, Bagging) 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
empilement de modèles
généralisation par empilement
empilement
Anglais
model stacking
stacking models
stacking ensemble
stacking
stacked models
stacked generalization
Sources
- Blogue CRIM - empilement de modèles
Machine Learning Mastery - stacking ensemble, stacked generalization, stacking
[https://bradleyboehmke.github.io/HOML/stacking.html Hands-On Machine Learning with R by Bradley Boehmke & Brandon Greenwell - stacked models]
Contributeurs: Claude Coulombe, Imane Meziani, wiki, Sihem Kouache
