Un nouvel algorithme de forêts aléatoires d'arbres obliques particulièrement adapté à la classification de données en grandes dimensions
Year: 2009
Type: conference-paper
Abstract: Resume. L’algorithme des forets aleatoires propose par Breiman permet d’obtenir de bons resultats en fouille de donnees comparativement a de nombreuses approches. Cependant, en n’utilisant qu’un seul attribut parmi un sous-ensemble d’attributs tire aleatoirement pour separer les individus a chaque niveau de l’arbre, cet algorithme perd de l’information. Ceci est particulierement penalisant avec les ensembles de donnees en grandes dimensions ou il peut exister de nombreuses dependances entre attributs. Nous presentons un nouvel algorithme de forets aleatoires d’arbres obliques obtenus par des separateurs a vaste marge (SVM). La comparaison des performances de notre algorithme avec celles de l’algorithme de forets aleatoires des arbres de decision C4.5 et de l’algorithme SVM montre un avantage significatif de notre proposition.
Source: HAL
Language: French
Subfield: Statistics and Probability
Field: Mathematics
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W28628967