Thuật ngữ AI
Từ điển đầy đủ về Trí tuệ nhân tạo
Seuils de division aléatoires
Technique où les points de coupure pour diviser les nœuds dans les arbres sont choisis aléatoirement plutôt que d'être optimisés. Contrairement aux Random Forests, cette méthode ne teste qu'un seuil aléatoire par caractéristique, réduisant le temps de calcul.
Entropie informationnelle
Mesure du désordre ou de l'incertitude dans un ensemble de données, utilisée comme critère de division alternative à l'impureté de Gini. Dans Extra Trees, elle sert à évaluer la qualité des divisions aléatoires proposées.
Arbres non élagués
Arbres de décision développés jusqu'à leur profondeur maximale sans appliquer de techniques d'élagage pour réduire leur complexité. Extra Trees utilise cette approche car l'ensemble moyen le biais individuel de chaque arbre.
Overfitting réduit
Capacité de l'algorithme à généraliser mieux aux nouvelles données grâce à la réduction du surapprentissage par l'averaging de nombreux arbres diversifiés. Extra Trees excelle particulièrement dans cet aspect grâce à son extrême randomisation.
Stabilité des prédictions
Consistance des prédictions du modèle face aux variations dans les données d'entraînement ou aux bruits aléatoires. L'ensemble de nombreux arbres fortement randomisés dans Extra Trees garantit une stabilité exceptionnelle des prédictions finales.