@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-Z7SKLBHW-S>
  skos:prefLabel "boosting"@fr, "boosting"@en ;
  a skos:Concept ;
  skos:narrower <http://data.loterre.fr/ark:/67375/8LP-LMWX9XKB-1> .

<http://data.loterre.fr/ark:/67375/8LP-LMWX9XKB-1>
  a skos:Concept ;
  skos:hiddenLabel "adaboost"@fr, "adaboost"@en ;
  skos:example "Les différences dues au choix du classifieur ne sont pas évidentes, même si, en tendance générale, Adaboost et les SVM linéaires donnent les meilleurs résultats. (Besançon, Daher, Ferret & Borgne, 2016)"@fr, "Sa particularité est d'implémenter un algorithme de boosting (Adaboost. (Besacier, Lecouteux & Quang, 2015)"@fr, "Adaboost un classifier à base de boosting 7 sur des n-grammes de mots (modalité texte) ; (Delecraz, Bechet, Favre & Rouvier, 2016)"@fr, "Nous présentons dans le tableau 8 les résultats obtenus sur le corpus Freebase avec et sans le score de similarité sur le contexte relationnel, en utilisant le classifieur Adaboost, qui donne les meilleurs résultats globaux. (Besançon, Daher, Ferret & Borgne, 2016)"@fr, "Nous avons également proposé un modèle « bout-enbout » avec une première phase d'extraction d'entités nommées également basée sur un transformer de type camembert-large et un classifieur de genre sur un modèle Adaboost. (Gérardin, Vaillant, Wajsbürt, Gilavert, Bellamine, Kempf & Tannier, 2021)"@fr ;
  skos:exactMatch <https://www.wikidata.org/wiki/Q2823869>, ltk:-X71J8DMS-6 ;
  skos:inScheme <http://data.loterre.fr/ark:/67375/8LP> ;
  skos:altLabel "adaptative boosting"@en, "boosting adaptatif"@fr ;
  skos:broader <http://data.loterre.fr/ark:/67375/8LP-Z7SKLBHW-S> ;
  skos:definition "A statistical classification meta-algorithm used in conjunction with many other types of learning algorithms to improve performance. (Wikipedia, retrieved on 2021/07/07)"@en, "Méta-algorithme de classification statistique utilisé conjointement avec de nombreux autres types d'algorithmes d'apprentissage pour améliorer les performances. (Wikipédia, récupéré le 07/07/2021)"@fr ;
  inist:definitionalContext "L'un des algorithmes très prometteurs qui fait actuellement l'objet de travaux de recherche importants est l'algorithme Adaboost (Schwenk, 1999) qui consiste à entraîner une cascade de systèmes similaires, chacun étant chargé de traiter les erreurs laissées par les systèmes précédents. (Brun, Dessaigne, Ehrmann, Gaillard, Guillemin-Lanne, Jacquet, Kaplan, Kucharski, Martineau, Migeotte, Nakamura & Voyatzi, 2009)"@fr ;
  skos:prefLabel "Adaboost"@fr, "Adaboost"@en ;
  dc:modified "2024-05-03T07:32:36"^^xsd:dateTime .