Libellé préféré : algorithmes d'apprentissage par machine avec boosting; 
Synonyme CISMeF : algorithme de boosting; 
Synonyme MeSH : apprentissage par machine avec boosting; 
Définition CISMeF : L'algorithme de boosting évalue les prédictions du modèle et augmente le poids des
               échantillons présentant une erreur plus importante. Il attribue également un poids
               en fonction des performances du modèle. Un modèle qui produit d'excellentes prédictions
               aura une grande influence sur la décision finale.; Le boosting est un domaine de l'apprentissage automatique (branche de l'intelligence
               artificielle). C'est un principe qui regroupe de nombreux algorithmes qui s'appuient
               sur des ensembles de classifieurs binaires : le boosting optimise leurs performances.
               Le principe est issu de la combinaison de classifieurs (appelés également hypothèses).
               Par itérations successives, la connaissance d'un classifieur faible - weak classifier
               - est ajoutée au classifieur final - strong classifier (https://fr.wikipedia.org/wiki/Boosting).; 
         
         
            Identifiant d'origine : 300251; 
 Alignements automatiques CISMeF supervisés Alignements automatiques CISMeF supervisés
 
         
         
         L'algorithme de boosting évalue les prédictions du modèle et augmente le poids des
            échantillons présentant une erreur plus importante. Il attribue également un poids
            en fonction des performances du modèle. Un modèle qui produit d'excellentes prédictions
            aura une grande influence sur la décision finale.
Le boosting est un domaine de l'apprentissage automatique (branche de l'intelligence
            artificielle). C'est un principe qui regroupe de nombreux algorithmes qui s'appuient
            sur des ensembles de classifieurs binaires : le boosting optimise leurs performances.
            Le principe est issu de la combinaison de classifieurs (appelés également hypothèses).
            Par itérations successives, la connaissance d'un classifieur faible - weak classifier
            - est ajoutée au classifieur final - strong classifier (https://fr.wikipedia.org/wiki/Boosting).