Thuật ngữ AI
Từ điển đầy đủ về Trí tuệ nhân tạo
Random Threshold Selection
Technique caractéristique des Extra Trees où les seuils de division sont choisis aléatoirement plutôt qu'optimisés, réduisant le temps de calcul et augmentant la diversité des arbres.
Tree Ensemble Diversity
Principe fondamental des Extra Trees visant à maximiser la diversité entre les arbres pour améliorer la performance généralisée de l'ensemble.
Max Features Parameter
Hyperparamètre contrôlant le nombre de caractéristiques aléatoires considérées à chaque division, crucial pour équilibrer biais et variance dans Extra Trees.
Extremely Randomized Splits
Caractéristique distinctive où chaque division est choisie aléatoirement parmi un ensemble de seuils candidats, sans évaluation exhaustive comme dans CART.
Ensemble Learning Strategy
Approche méthodologique des Extra Trees combinant multiple apprenants faibles pour créer un prédicteur fort, réduisant le risque de surapprentissage individuel.
Tree Decorrelation
Principe visant à minimiser la corrélation entre les prédictions des arbres individuels, essentiel pour l'efficacité des méthodes d'ensemble.
Randomized Decision Tree
Composant individuel d'un modèle Extra Trees, construit avec des divisions aléatoires plutôt qu'optimisées pour chaque nœud.