एआई शब्दावली
आर्टिफिशियल इंटेलिजेंस का पूर्ण शब्दकोश
Arbres de Décision Classiques
Structures arborescentes fondamentales utilisant des règles de décision pour partitionner l'espace des caractéristiques.
Random Forest
Méthode ensembliste basée sur le bagging combinant multiples arbres de décision entraînés sur des sous-échantillons aléatoires.
Gradient Boosting Machines
Technique ensembliste séquentielle construisant des apprenants faibles pour corriger les erreurs des modèles précédents.
XGBoost
Implémentation optimisée du gradient boosting avec régularisation et parallélisation pour performances maximales.
LightGBM
Framework de gradient boosting utilisant le growth par feuille et l'échantillonnage par histogramme pour rapidité.
CatBoost
Algorithme de gradient boosting spécialisé dans le traitement automatique des variables catégorielles.
AdaBoost
Méthode de boosting adaptative pondérant les exemples difficiles pour améliorer itérativement les performances.
Bagging
Bootstrap Aggregating technique combinant plusieurs modèles entraînés sur différents échantillons bootstrap.
Extra Trees
Extremely Randomized Trees utilisant des seuils de division aléatoires pour réduire la variance et accélérer l'entraînement.
Stacking
Méthode ensembliste combinant les prédictions de multiples modèles via un méta-modèle apprenant à les pondérer.
Techniques d'Élagage
Méthodes de réduction de la complexité des arbres pour éviter le surapprentissage et améliorer la généralisation.
Arbres CART
Classification and Regression Trees utilisant l'indice de Gini pour la classification et l'erreur quadratique pour la régression.
Arbres ID3 et C4.5
Algorithmes historiques basés sur le gain d'information et le ratio de gain pour construire des arbres de décision.
Feature Importance dans les Arbres
Méthodes d'évaluation de l'importance des variables basées sur la réduction d'impureté ou la permutation.
Isolation Forest
Algorithme de détection d'anomalies utilisant des arbres aléatoires pour isoler efficacement les observations aberrantes.