Extra Trees
Extra Trees (Arbres Extrêmement Aléatoires), introduits par Geurts, Ernst et Wehenkel en 2006, est un ensemble d'arbres de décision qui pousse la randomisation plus loin que la Forêt Aléatoire. Les caractéristiques candidates et les seuils de division sont choisis complètement au hasard à chaque nœud, éliminant la recherche gourmande sur les seuils. Cette randomisation supplémentaire réduit la variance, égale ou dépasse souvent la précision de la Forêt Aléatoire, et s'exécute considérablement plus rapidement au moment de l'entraînement.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
+1 more
Sources
- Geurts, P., Ernst, D. & Wehenkel, L. (2006). Extremely randomized trees. Machine Learning, 63(1), 3–42. DOI: 10.1007/s10994-006-6226-1 ↗
- Extra-Trees. Wikipedia. link ↗
Comment citer cette page
ScholarGate. (2026, June 3). Extremely Randomized Trees (Extra-Trees). ScholarGate. https://scholargate.app/fr/machine-learning/extra-trees
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Bagging (Bootstrap Aggregating)Apprentissage automatique↔ compare
- Arbre de décisionApprentissage automatique↔ compare
- Gradient BoostingApprentissage automatique↔ compare
- Forêt AléatoireApprentissage automatique↔ compare
- XGBoostApprentissage automatique↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →