« Empilement de modèles » : différence entre les versions


m (Remplacement de texte : « Catégorie:GRAND LEXIQUE FRANÇAIS » par «  »)
Aucun résumé des modifications
Ligne 1 : Ligne 1 :
== Définition ==
== Définition ==
Le concept de l'empilement généralisé (''stacking'') se retrouve dans le domaine de l'exploration de données prédictif, et permet de combiner les prévisions issues de différents modèles. Il s'avère particulièrement utile lorsque les types de modèles contenus dans le projet sont très différents.


Le ''Boosting'', le ''Bagging'' (''Voting'') constituent d'autres méthodes permettant de combiner les prévisions issues de différents modèles ou méthodes (par exemple, à partir de différents jeux de données utilisés pour l'apprentissage).
Le concept de l'empilement de modèles (''stacking'') se retrouve dans le domaine de l'exploration de données prédictif, et permet de combiner les prévisions issues de différents modèles. Il s'avère particulièrement utile lorsque les types de modèles contenus dans le projet sont très différents.
 
== Compléments ==
L'[[amplification du gradient]] (''gradient boosting'') et le vote majoritaire (''Bagging'', ''Voting'') sont d'autres méthodes ppour combiner les résultats d'ensembles de modèles (par exemple, à partir de différents jeux de données utilisés pour l'apprentissage).


== Français ==
== Français ==
'''empilement de modèles'''  
'''empilement de modèles'''  


'''empilement généralisé'''  
'''généralisation par empilement'''  


'''empilement'''  
'''empilement'''  
Ligne 13 : Ligne 15 :
== Anglais ==
== Anglais ==
'''stacking'''
'''stacking'''
'''stacked generalization'''


==Sources==
==Sources==


[https://www.statsoft.fr/concepts-statistiques/glossaire/s/stacking.html  Source : Statistica ]
[https://www.statsoft.fr/concepts-statistiques/glossaire/s/stacking.html  Source : Statistica ]


{{Modèle:Statistiques}}
{{Modèle:Statistiques}}


[[Catégorie:Statistiques]]
[[Catégorie:Statistiques]]
[[Catégorie:Publication]]

Version du 27 avril 2025 à 05:30

Définition

Le concept de l'empilement de modèles (stacking) se retrouve dans le domaine de l'exploration de données prédictif, et permet de combiner les prévisions issues de différents modèles. Il s'avère particulièrement utile lorsque les types de modèles contenus dans le projet sont très différents.

Compléments

L'amplification du gradient (gradient boosting) et le vote majoritaire (Bagging, Voting) sont d'autres méthodes ppour combiner les résultats d'ensembles de modèles (par exemple, à partir de différents jeux de données utilisés pour l'apprentissage).

Français

empilement de modèles

généralisation par empilement

empilement

Anglais

stacking

stacked generalization

Sources

Source : Statistica


GLOSSAIRE DE LA STATISTIQUE

Isi-logo-stats.jpg