• 15 heures
  • Moyenne

Ce cours est visible gratuitement en ligne.

course.header.alt.is_video

course.header.alt.is_certifying

J'ai tout compris !

Mis à jour le 06/03/2020

Partie 2

Connectez-vous ou inscrivez-vous gratuitement pour bénéficier de toutes les fonctionnalités de ce cours !

Compétences évaluées

  • Savoir utiliser le package xgboost
  • Comprendre le concept de boosting
  • Découvrir les méthodes séquentielles
  • Question 1

    Les méthodes séquentielles diffèrent des méthodes parallèles...

    • car elles utilisent différents datasets pour créer chacun des classifieurs faibles

    • car elles retravaillent les datasets à la suite afin de prendre en compte les performances du modèle précédent

  • Question 2

    Adaboost est un algorithme qui utilise comme classifieur de base...

    • uniquement des arbres de décision

    • uniquement des stumps

    • tous types de classifieurs classiques (SVM réseaux de neurones, etc.)

    • tous les types de classifieurs (techniquement)

  • Question 3

    Le gradient boosting

    • Utilise la méthode de descente de gradient classique

    • Utilise une version modifiée de la descente de gradient 

    • Techniquement n'utilise pas la descente de gradient