Empilement de modèles


Révision datée du 5 mai 2025 à 15:16 par Pitpitt (discussion | contributions)
(diff) ← Version précédente | Voir la version actuelle (diff) | Version suivante → (diff)

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

model stacking

stacking models

stacking ensemble

stacking

stacked models

stacked generalization

Sources

- Blogue CRIM - empilement de modèles

Thèse de Qi Wang - Multivariate group analyses for functional neuroimaging : conceptual and experimental advances - généralisation par empilement

Machine Learning Mastery - stacking ensemble, stacked generalization, stacking

[https://bradleyboehmke.github.io/HOML/stacking.html Hands-On Machine Learning with R by Bradley Boehmke & Brandon Greenwell - stacked models]