Machine learningMachine learning

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.

Ouvrir dans MethodMindBientôtVidéoBientôtDownload slides

Lire la méthode complète

Réservé aux membres

Connectez-vous avec un compte gratuit pour lire cette section.

Se connecter

Method map

The neighbourhood of related methods — select a node to explore.

+1 more

Sources

  1. Geurts, P., Ernst, D. & Wehenkel, L. (2006). Extremely randomized trees. Machine Learning, 63(1), 3–42. DOI: 10.1007/s10994-006-6226-1
  2. 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.

Compare side by side

Référencée par

ScholarGateExtra Trees (Extremely Randomized Trees (Extra-Trees)). Consulté le 2026-06-15 sur https://scholargate.app/fr/machine-learning/extra-trees · Jeu de données : https://doi.org/10.5281/zenodo.20539026