« Empilement de modèles » : différence entre les versions
Aucun résumé des modifications |
Aucun résumé des modifications |
||
| 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''), le ré-échantillonnage avec remise (''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). | 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''), le [[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 == | ||
Version du 27 avril 2025 à 06:03
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), le 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
stacking
stacked generalization
Sources
Contributeurs: Claude Coulombe, Imane Meziani, wiki, Sihem Kouache
