Glossaire IA
Le dictionnaire complet de l'Intelligence Artificielle
Weighting Scheme
Mécanisme d'attribution de poids aux instances d'apprentissage et aux modèles dans le boosting, où les poids augmentent pour les instances mal classées à chaque itération.
Sequential Learning
Paradigme d'apprentissage où chaque modèle est entraîné séquentiellement en tenant compte des performances des modèles précédents pour corriger leurs erreurs systématiques.
Residual Fitting
Technique du gradient boosting où chaque nouveau modèle est entraîné pour prédire les résidus (erreurs) du modèle ensemble précédent plutôt que la cible originale.
Tree Boosting
Application spécifique du boosting utilisant des arbres de décision comme apprenants faibles, particulièrement efficace pour les problèmes de régression et classification non-linéaires.
Regularization in Boosting
Ensemble de techniques (shrinkage, subsampling, pénalités L1/L2) contrôlant la complexité du modèle boosting pour prévenir le surapprentissage et améliorer la généralisation.
Loss Function Optimization
Processus mathématique minimisant itérativement une fonction de perte spécifique (exponential, logistic, huber) pour guider l'apprentissage séquentiel des modèles de boosting.
Out-of-Bag Estimation
Méthode d'évaluation du modèle boosting utilisant les instances non sélectionnées dans le sous-échantillonnage stochastique comme ensemble de validation interne.