Apprentissage par Ensemble de Modèles

Bootstrap d'Ensembles

Méthode d'échantillonnage avec remise utilisée pour créer des ensembles de données d'entraînement variés, permettant d'entraîner plusieurs modèles sur des sous-ensembles différents pour capturer la variabilité des prédictions. Particulièrement efficace pour l'estimation de l'incertitude en Model-Based RL.

← Retour