Une Random Forest est une technique de Machine Learning très populaire auprès des Data Scientists.
C'est une technique facile à interpréter, stable, qui peut être utilisée pour des tâches de régression ou de classification.
Elle couvre donc une grande partie des problèmes de Machine Learning.
Cet algorithme va reposer sur des arbres que l'on appelle arbre de décision ou arbre décisionnel.
La forêt comme la combinaison des arbres, Random Forest est ce qu'on appelle une méthode d'ensemble qui met ensemble ou combine des résultats des différents arbres de décision qui la composent pour obtenir un super résultat final.
Les Random Forest peuvent être composées de plusieurs dizaines voire centaines d'arbres, le nombre d'arbre est un paramètre que l'on ajuste généralement par validation croisée.
La validation croisée est une technique d'évaluation d'un algorithme de Machine Learning consistant à entrainer et tester le modèle sur des morceaux du dataset de départ.
Chaque arbre est entraîné sur un sous-ensemble du dataset et donne un résultat.
Les résultats de tous les arbres de décision sont alors combinés pour donner une réponse finale.
Chaque arbre vote oui ou non et la réponse finale est celle qui a eu la majorité de vote.
Bienvenu, je m’appelle Eric Soupet et je suis l'administrateur du site elodees.com. elodees.com est un état de l'art de l'Intelligence Artificielle et se veut collaboratif, vous pouvez dès à présent proposer du contenu tels que des articles, des événements, des tutoriels, ... alors n'hésitez pas !
