« Classificateur à gradient amplifié » : différence entre les versions
m (Claude COULOMBE a déplacé la page Classificateur à gradient amplifié vers Classificateur à gradient dopé) |
Aucun résumé des modifications |
||
| Ligne 1 : | Ligne 1 : | ||
== Définition == | == Définition == | ||
Les [[classificateur|classificateurs]] à gradient | Les [[classificateur|classificateurs]] à gradient dopé sont un groupe d’algorithmes d’[[apprentissage ensembliste]] qui combinent de nombreux modèles d’apprentissage faibles pour créer un modèle prédictif solide. | ||
== Compléments == | == Compléments == | ||
Nous recommandons l'adjectif « | Nous recommandons de l'adjectif « dopé » ou encore « amplifié » plutôt que « renforcé » pour éviter toute confusion avec l'[[apprentissage par renforcement]]. Aussi, nous favorisons l'emploi du mot « dopé » comme équivalent du terme anglais « boosting » car il a l'avantage d'être plus court. | ||
<hr/> | <hr/> | ||
Les arbres de décision sont généralement employés pour l’[[amplification de gradient]]. Les modèles à gradient | Les arbres de décision sont généralement employés pour l’[[amplification de gradient]]. Les modèles à gradient dopé sont populaires en raison de leur efficacité à classer des ensembles de données complexes et on les a récemment utilisés pour gagner de nombreux défis en [[science de données]] comme Kaggle. | ||
<hr/> | <hr/> | ||
La bibliothèque d’apprentissage automatique Python, Scikit-Learn, prend en charge différentes implémentations de classificateurs à gradient | La bibliothèque d’apprentissage automatique Python, Scikit-Learn, prend en charge différentes implémentations de classificateurs à gradient dopé. | ||
== Français == | == Français == | ||
'''classificateur à gradient dopé''' <small>(concis)</small> | |||
'''classificateur à gradient amplifié''' | '''classificateur à gradient amplifié''' | ||
'''classificateur à gradient renforcé''' <small>(Attention! Confusion possible avec l'[[apprentissage par renforcement]])</small> | '''classificateur à gradient renforcé''' <small>(Attention! Confusion possible avec l'[[apprentissage par renforcement]])</small> | ||
== Anglais == | == Anglais == | ||
'''gradient-boosted classifier''' | '''gradient-boosted classifier''' | ||
Version du 23 mai 2025 à 11:40
Définition
Les classificateurs à gradient dopé sont un groupe d’algorithmes d’apprentissage ensembliste qui combinent de nombreux modèles d’apprentissage faibles pour créer un modèle prédictif solide.
Compléments
Nous recommandons de l'adjectif « dopé » ou encore « amplifié » plutôt que « renforcé » pour éviter toute confusion avec l'apprentissage par renforcement. Aussi, nous favorisons l'emploi du mot « dopé » comme équivalent du terme anglais « boosting » car il a l'avantage d'être plus court.
Les arbres de décision sont généralement employés pour l’amplification de gradient. Les modèles à gradient dopé sont populaires en raison de leur efficacité à classer des ensembles de données complexes et on les a récemment utilisés pour gagner de nombreux défis en science de données comme Kaggle.
La bibliothèque d’apprentissage automatique Python, Scikit-Learn, prend en charge différentes implémentations de classificateurs à gradient dopé.
Français
classificateur à gradient dopé (concis)
classificateur à gradient amplifié
classificateur à gradient renforcé (Attention! Confusion possible avec l'apprentissage par renforcement)
Anglais
gradient-boosted classifier
gradient boosted classifier
gradient-boosting classifier
gradient boosting classifier
Sources
Bayer / Calantic - classificateur à amplification de gradient
Scikit-Learn, Gradient Boosting Regressor
Contributeurs: Claude Coulombe, wiki, Sihem Kouache
