« Empilement de modèles » : différence entre les versions


Aucun résumé des modifications
Aucun résumé des modifications
Ligne 5 : Ligne 5 :
L'empilement de modèles (en anglais, ''stacking'') s'avère particulièrement utile lorsque les types de modèles contenus dans le projet sont très différents.
L'empilement de modèles (en anglais, ''stacking'') s'avère particulièrement utile lorsque les types de modèles contenus dans le projet sont très différents.
<hr/>
<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).
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 ==

Version du 27 avril 2025 à 07:32

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

stacking

stacked generalization

Sources

Statistica