Glossaire IA

📂

sous-catégories

Arbres de Décision Classiques

Structures arborescentes fondamentales utilisant des règles de décision pour partitionner l'espace des caractéristiques.

4 termes

📂

sous-catégories

Random Forest

Méthode ensembliste basée sur le bagging combinant multiples arbres de décision entraînés sur des sous-échantillons aléatoires.

1 termes

📂

sous-catégories

Gradient Boosting Machines

Technique ensembliste séquentielle construisant des apprenants faibles pour corriger les erreurs des modèles précédents.

1 termes

📂

sous-catégories

XGBoost

Implémentation optimisée du gradient boosting avec régularisation et parallélisation pour performances maximales.

2 termes

📂

sous-catégories

LightGBM

Framework de gradient boosting utilisant le growth par feuille et l'échantillonnage par histogramme pour rapidité.

5 termes

📂

sous-catégories

CatBoost

Algorithme de gradient boosting spécialisé dans le traitement automatique des variables catégorielles.

3 termes

📂

sous-catégories

AdaBoost

Méthode de boosting adaptative pondérant les exemples difficiles pour améliorer itérativement les performances.

9 termes

📂

sous-catégories

Bagging

Bootstrap Aggregating technique combinant plusieurs modèles entraînés sur différents échantillons bootstrap.

3 termes

📂

sous-catégories

Extra Trees

Extremely Randomized Trees utilisant des seuils de division aléatoires pour réduire la variance et accélérer l'entraînement.

5 termes

📂

sous-catégories

Stacking

Méthode ensembliste combinant les prédictions de multiples modèles via un méta-modèle apprenant à les pondérer.

4 termes

📂

sous-catégories

Techniques d'Élagage

Méthodes de réduction de la complexité des arbres pour éviter le surapprentissage et améliorer la généralisation.

8 termes

📂

sous-catégories

Arbres CART

Classification and Regression Trees utilisant l'indice de Gini pour la classification et l'erreur quadratique pour la régression.

11 termes

📂

sous-catégories

Arbres ID3 et C4.5

Algorithmes historiques basés sur le gain d'information et le ratio de gain pour construire des arbres de décision.

3 termes

📂

sous-catégories

Feature Importance dans les Arbres

Méthodes d'évaluation de l'importance des variables basées sur la réduction d'impureté ou la permutation.

8 termes

📂

sous-catégories

Isolation Forest

Algorithme de détection d'anomalies utilisant des arbres aléatoires pour isoler efficacement les observations aberrantes.

10 termes