Classificateur à gradient amplifié
Définition
Les classificateurs à gradient amplifié 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 l'adjectif « amplifié » ou « dopé » plutôt que « renforcé » pour éviter toute confusion avec l'apprentissage par renforcement et aussi pour favoriser l'emploi du mot « amplifié » comme équivalent du terme anglais « boosting ».
Les arbres de décision sont généralement employés pour l’amplification de gradient. Les modèles à gradient amplifié 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 amplifié.
Français
classificateur à gradient amplifié
classificateur à gradient dopé
classificateur à gradient renforcé (Risque de confusion avec l'apprentissage par renforcement)
classificateur à amplification de gradient
classificateur à dopage de gradient
classificateur à renforcement de gradient (Risque de confusion 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
