offres d'emploi formations actualités contact accès annuaire intranet
Séminaires >

Forêts Aléatoires One-Class

Laurent Heutte, LITIS, université de Rouen

jeudi 17 septembre 2015 à 14h30

B014


Le terme Forêts Aléatoires désigne une famille de méthodes de classification/régression, composée de différents algorithmes d’induction d’ensemble d’abres de décision, tel que l’algorithme Forest-RI introduit par Breiman en 2001. Si les forêts aléatoires ont fait l’objet de nombreuses études théoriques et expérimentales pour montrer leur efficacité sur différentes problèmes de classification, régression et sélection de variables, peu d’études ont été conduites sur l’influence du choix des hyper-paramètres de cette méthode sur ses performances en généralisation. Partant de ce constat, nous présenterons les travaux que nous avons conduits dans l’équipe pour mettre en évidence le choix parfois critique des hyper-paramètres et qui nous ont amenés à développer différentes variantes des forêts, à savoir Forest-RK, Dynamic Random Forests et One-Class Random Forests.