AI 詞彙表
人工智能完整詞典
Moyenne Agrégée
Technique d'agrégation pour régression où les prédictions numériques de tous les modèles sont moyennées pour obtenir la prédiction finale.
Base Learners
Modèles individuels (faibles ou forts) entraînés sur différents échantillons bootstrap et combinés pour former le modèle final de Bagging.
Instabilité du Modèle
Propriété des algorithmes dont les prédictions varient significativement avec de faibles changements dans les données d'entraînement, justifiant l'usage du Bagging.
Robustesse aux Outliers
Propriété du Bagging réduisant l'impact des valeurs aberrantes grâce à la distribution de leur influence sur multiples modèles de base.
Taille d'Échantillon Bootstrap
Paramètre déterminant la proportion d'échantillons (généralement 100% avec remise) tirés pour créer chaque sous-ensemble d'entraînement en Bagging.
Nombre d'Estimateurs
Hyperparamètre clé du Bagging spécifiant le nombre de modèles de base à entraîner, influençant directement la performance et le temps de calcul.
Max Samples
Paramètre contrôlant la fraction d'échantillons tirés pour chaque bootstrap, permettant d'ajuster le compromis biais-variance dans le Bagging.