Dates:

La forêt aléatoire, qui fait désormais partie de la boîte à outils de tout scientifique des données, est une méthode d'apprentissage statistique non paramétrique très puissante. Elle est décrite à la base comme une méthode d'ensemble qui fait la moyenne des prédictions de nombreux arbres individuels qui sont construits en injectant un caractère aléatoire dans le processus. Cela masque le fait que les forêts aléatoires peuvent être utilisées pour des problèmes bien plus généraux. Cela peut être fait en changeant de point de vue et en considérant une forêt aléatoire comme une machine génératrice de poids qui trouve automatiquement des observations similaires à celle pour laquelle nous voulons une estimation (prédiction). Dans cette optique, une forêt aléatoire est une méthode d'estimation et de prédiction locale flexible et performante. Dans cet exposé, je présenterai 1) la description traditionnelle de base d'une forêt aléatoire, 2) la vision moderne qu'une forêt aléatoire est une machine génératrice de poids pour l'estimation et la prédiction locale 3) divers exemples d'applications de forêts aléatoires à des problèmes complexes au-delà du problème usuel de prédiction en apprentissage supervisé.

Les dates ne vous conviennent pas?

Si vous êtes intéressé-e à participer à cet atelier mais qu’il n’y a plus de place ou si le moment de la présentation ne vous convient pas, nous vous invitons à remplir ce formulaire et y spécifier vos disponibilités.

• bcs@etsmtl.ca