Boosting : apprendre de ses erreurs

Modèles classiques construits avec les maths que vous connaissez déjà

La plupart des modèles ont un seul tir d'entraînement : ajuster, figer, espérer. Le boosting refuse de s'arrêter là. Au lieu d'entraîner un seul modèle et de s'arrêter, il entraîne tout un relais de modèles faibles, l'un après l'autre, et chaque nouveau vise carrément ce que le relais jusqu'ici rate encore.

🔒 This is a Pro lesson — the interactive figure, worked examples, quiz and practice open with Pro access.

▶ Boosting : apprendre de ses erreurs
← Pourquoi la moyenne fonctionne : les maths de la varianceClustering k-moyennes →