5. Definition
Bagging, appelée aussi Bootstrap aggregating, est
un 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
5
6. Régression
La régression est un outils d'apprentissage
automatique et de statistiques ,méthode
important et très utilisé. Il vous permet de faire des
prédictions à partir des données en apprenant la
relation entre les caractéristiques des données et
certaines resultats observées, pour des valeurs
continues .
6
7. Classification
La classification est un outils de l'apprentissage
automatique utilisé pour grouper les données ayant
des caractéristiques similaires .
7
9. Historique
Le bagging a été proposé par Leo Breiman en 1994
pour améliorer la classification .
Leo Breiman un statisticien à l'Université de
Californie à Berkeley et aussi un membre de
l'Académie nationale des sciences des États-Unis.
9
19. Implementation : Voting
Généralement ,dans l'étape de l'échantillonnage en
s'intéresse principalement à seulement 60 % des
données.
les restes 40% sont utilisées pour les testes et les
vérifications .
19
21. Conclusion
La méthode de Bagging prédiction est plus
performante que de la conception d’une seule arbre
de décision , l’utilisation de la méthode statistique
(echantillonnage) donne une des meilleurs analyses
et exploration des données .
Bagging improves the quality of any machine
learning algorithm
21