« Arbre de décision à gradient amplifié extrême » : différence entre les versions
Aucun résumé des modifications |
Aucun résumé des modifications |
||
Ligne 1 : | Ligne 1 : | ||
== Définition == | == Définition == | ||
Le nom propre XGBoost (pour 'Extreme Gradient Boosting') est une implantation populaire d'un algorithme d'arbres de décision à gradient amplifié qualifiée d'extrême. XGBoost est basé sur l'[[amplification de gradient]] (en anglais, gradient boosting) pour la construction de modèles à base d'ensembles d'[[arbre de décision|arbres de décision]]. | |||
== Compléments == | == Compléments == | ||
L'algorithme | L'algorithme XGBoost, s'est distingué dans de nombreuses défis d'apprentissage automatique comme Kaggle. XGBoost est maintenant un choix presque automatique pour les problèmes de type classification ayant un nombre relativement petit de données. | ||
== Français == | == Français == |
Version du 27 avril 2025 à 03:39
Définition
Le nom propre XGBoost (pour 'Extreme Gradient Boosting') est une implantation populaire d'un algorithme d'arbres de décision à gradient amplifié qualifiée d'extrême. XGBoost est basé sur l'amplification de gradient (en anglais, gradient boosting) pour la construction de modèles à base d'ensembles d'arbres de décision.
Compléments
L'algorithme XGBoost, s'est distingué dans de nombreuses défis d'apprentissage automatique comme Kaggle. XGBoost est maintenant un choix presque automatique pour les problèmes de type classification ayant un nombre relativement petit de données.
Français
arbre / arbres de décision à gradient amplifié extrême
arbre / arbres à gradient amplifié extrême
arbre / arbres de décision à amplification de gradient extrême
arbre / arbres à amplification de gradient extrême
renforcement XG (Attention! Confusion possible avec l'apprentissage par renforcement)
XGBoost
Anglais
XGBoost
Extreme Gradient Boosting
Sources
Contributeurs: Claude Coulombe, Imane Meziani, wiki, Sihem Kouache
