@prefix owl: <http://www.w3.org/2002/07/owl#> .
@prefix skos: <http://www.w3.org/2004/02/skos/core#> .
@prefix ltk: <http://data.loterre.fr/ark:/67375/LTK> .
@prefix inist: <http://www.inist.fr/Ontology#> .
@prefix dc: <http://purl.org/dc/terms/> .
@prefix xsd: <http://www.w3.org/2001/XMLSchema#> .

<http://data.loterre.fr/ark:/67375/8LP> a owl:Ontology, skos:ConceptScheme .
<http://data.loterre.fr/ark:/67375/8LP-XHFQLBTK-J>
  skos:prefLabel "decision tree"@en, "arbre de décision"@fr ;
  a skos:Concept ;
  skos:narrower <http://data.loterre.fr/ark:/67375/8LP-L33JN8VT-W> .

<http://data.loterre.fr/ark:/67375/8LP-L33JN8VT-W>
  skos:exactMatch <https://www.wikidata.org/wiki/Q245748>, ltk:-N25LJWDJ-T ;
  inist:definitionalContext "Random forest is a supervised learning technique that ensembles independent decision trees to yield a result. (Yim, Lee, Verma, Hickmann, Zhu, Sallade, Ng, Chi & Liu, 2022)"@en, "The random forest is an ensemble classifier that returns the mode of the class predictions of several decision trees. (Yancheva & Rudzicz, 2013)"@en ;
  skos:broader <http://data.loterre.fr/ark:/67375/8LP-XHFQLBTK-J> ;
  skos:definition "Méthode d'apprentissage d'ensemble pour la classification, la régression et d'autres tâches qui fonctionnent en construisant une multitude d'arbres de décision au moment de l'apprentissage. Pour les tâches de classification, la sortie de la forêt aléatoire est la classe sélectionnée par la plupart des arbres. (Wikipédia)"@fr, "An ensemble learning method for classification, regression and other tasks that operates by constructing a multitude of decision trees at training time. For classification tasks, the output of the random forest is the class selected by most trees. (Wikipedia)"@en ;
  skos:inScheme <http://data.loterre.fr/ark:/67375/8LP> ;
  skos:hiddenLabel "Forêt aléatoire"@fr, "Random forest"@en ;
  skos:prefLabel "random forest"@en, "forêt aléatoire"@fr ;
  skos:example "The random forest uses the outputs of individual classifiers as features and the labels on the training data as input for training. (Uzdilli, Jaggi, Egger, Julmy, Derczynski & Cieliebak, 2015)"@en, "Les paramètres de la forêt aléatoire sont appris sur 2/3 des données ; (Wisniewski, Singh, Segal & Yvon, 2013)"@fr, "Afterwards in the test phase the random forest makes predictions using the outputs of the same individual classifiers. (Uzdilli, Jaggi, Egger, Julmy, Derczynski & Cieliebak, 2015)"@en ;
  a skos:Concept ;
  dc:modified "2024-05-03T08:03:26"^^xsd:dateTime .