: Vocabulaire du TAL: bagging

méthodes et outils de TAL > algorithme de TAL > algorithme de classification > boosting > bagging

bagging

Méta-algorithme d'ensemble d'apprentissage automatique conçu pour améliorer la stabilité et la précision des algorithmes d'apprentissage automatique utilisés dans la classification statistique et la régression. (Wikipédia)

Dans cet article, nous proposons une méthodologie originale comparant, pour le français langue étrangère (FLE), diverses techniques de classification (la régression logistique, le bagging et le boosting) sur deux corpus d'entraînement. (François, 2009)
En perspective, il serait intéressant de tester d'autres techniques comme des méthodes ensemblistes (Bagging, Boosting) qui pourraient donner des résultats satisfaisants. (Eshkol-Taravella & Kang, 2019)
Le bagging présente l'avantage de réduire la variance d'un modèle et s'applique donc particulièrement bien à des classifieurs instables, c.-à-d. qui peuvent fortement varier en fonction des données d'entraînement, tels que les arbres de décision. (François, 2009)
Par conséquent, nous avons voulu comparer la régression logistique multinomiale à deux autres techniques de classification, considérées comme parmi les plus efficaces : le bagging et le boosting. (François, 2009)
Sachant de plus que le temps nécessaire à l'entraînement d'un tel modèle est considérablement plus réduit que celui pour le bagging et surtout le boosting, il nous semble que la RLM constitue le meilleur choix aussi bien au niveau de l'optimisation du temps de calcul qu'au niveau de l'efficacité du modèle. (François, 2009)

http://data.loterre.fr/ark:/67375/8LP-V9L91Q5P-S

RDF/XML TURTLE JSON-LD Dernière modification le 09/10/2024

Loterre