From 9fe48942c3c2f8787ce4523427c5427b43a18bb6 Mon Sep 17 00:00:00 2001 From: oliviermeslin Date: Thu, 14 Nov 2024 16:23:49 +0000 Subject: [PATCH] Bricoles --- chapters/chapter3/guide_usage_RF.qmd | 8 ++++---- 1 file changed, 4 insertions(+), 4 deletions(-) diff --git a/chapters/chapter3/guide_usage_RF.qmd b/chapters/chapter3/guide_usage_RF.qmd index 2c18bf0..d20ebeb 100644 --- a/chapters/chapter3/guide_usage_RF.qmd +++ b/chapters/chapter3/guide_usage_RF.qmd @@ -5,13 +5,13 @@ Cette section rassemble et synthétise des recommandations sur l'entraînement d ### Mode de construction d'une forêt aléatoire -Le processus pour construire une Random Forest se résume comme suit : +Le processus pour construire une Random Forest se résume comme suit: -- Sélectionnez le nombre d'arbres à construire (n_trees). +- Sélectionnez le nombre d'arbres à construire (`n_trees`). - Pour chaque arbre, effectuez les étapes suivantes : - Générer un échantillon bootstrap à partir du jeu de données. - - Construire un arbre de décision à partir de cet échantillon : - - À chaque nœud de l'arbre, sélectionner un sous-ensemble aléatoire de caractéristiques (mtry). + - Construire un arbre de décision à partir de cet échantillon: + - À chaque nœud de l'arbre, sélectionner un sous-ensemble aléatoire de caractéristiques (`mtry`). - Trouver la meilleure division parmi ce sous-ensemble et créer des nœuds enfants. - Arrêter la croissance de l'arbre selon des critères de fin spécifiques (comme une taille minimale de nœud), mais sans élaguer l'arbre. - Agréger les arbres pour effectuer les prédictions finales :