温馨提示:本站仅提供公开网络链接索引服务,不存储、不篡改任何第三方内容,所有内容版权归原作者所有
AI智能索引来源:http://www.ibm.com/fr-fr/think/tutorials/gradient-boosting-classifier
点击访问原文链接

Classificateurs de boosting de gradient dans Scikit-Learn et Caret | IBM

BienvenueAperçuTypes de machine learningAlgorithmes de machine learningMachine learning statistiqueAlgèbre linéaire pour le machine learningQuantification de l’incertitudeCompromis biais-varianceAperçuSélection des caractéristiquesExtraction de caractéristiquesPlongement vectorielEspace latentAnalyse en composantes principalesAnalyse discriminante linéaireSuréchantillonnageSous-échantillonnageDonnées synthétiquesFuite de donnéesAperçuRégression linéaireRégression lassoRégression de crêteModèle d’espace d’étatSéries temporellesModèle autorégressifAperçuArbres de décisionK plus proches voisins (KNN)Naïve bayésienneForêt d’arbres décisionnelsMachine à vecteurs de supportRégression logistiqueAperçuBoostingBaggingBoosting de gradientClassificateur de boosting de gradientAperçuApprentissage par transfertAperçuAperçuClustering k-meansClustering hiérarchiqueAlgorithme a prioriModèle de mélange gaussienDétection des anomaliesAperçuFiltrage collaboratifFiltrage basé sur le contenuAperçuApprentissage par renforcement à partir des commentaires humainsAperçuAperçuRétropropagationModèles d’encodeur-décodeurRéseaux de neurones récurrentsRéseaux de neurones convolutifsAperçuMécanisme d’attentionAttention de requête groupéeCodage positionnelAuto-encodeurModèle MambaRéseau de neurones graphiqueAperçuModèle génératifIA générative et IA prédictiveAperçuModèles de raisonnementPetits modèles de langageRéglage des instructionsParamètres des LLMTempérature des LLMBenchmarks de LLMPersonnalisation des LLMModèles de diffusionAuto-encodeurs variationnels (VAE)Réseaux antagonistes génératifs (GAN)AperçuModèles de langage visuelTutoriel : Créer un styliste d’IATutoriel : Requêtes d’IA multimodale avec LlamaTutoriel : Requêtes d’IA multimodale avec PixtralTutoriel : Transcription de podcast automatique avec GraniteTutoriel : Système de réponse d’analyse d’image d’IA PPTAperçuGraphRAGTutoriel : Créer un système RAG multimodal avec Docling et GraniteTutoriel : Évaluer le pipeline RAG à l’aide de RagasTutoriel : Stratégies de segmentation RAGTutoriel : La méthode Graph RAG à l’aide de graphes de connaissancesTutoriel : Mise à l’échelle de l’inférence pour améliorer la RAG multimodaleAperçuCodage de VibeConsulter le guide des agents d’IA à l’horizon 2025AperçuFonction de perteDonnées d’entraînementParamètres du modèleDescente de gradientDescente de gradient stochastiqueRéglage des hyperparamètresTaux d'apprentissageAperçuRéglage fin efficace en paramètres (PEFT)LoRATutoriel : Affiner le modèle Granite avec LoRARégularisationModèles de fondationSurajustementSous-ajustementApprentissage few-shotApprentissage zero-shotDistillation des connaissancesMéta-apprentissageAugmentation des donnéesOubli catastrophiqueAperçuScikit-LearnXGBoostPyTorchAperçuCycle de vie de l’IAInférence IADéploiement de modèlePipeline de machine learningÉtiquetage des donnéesGestion des risques liés aux modèlesDérive de modèleAutoMLSélection du modèleApprentissage fédéréMachine learning distribuéPile d’IAAperçuCompréhension du langage naturelAperçuAnalyse des sentimentsTraduction automatiqueAperçuRecherche d’informationExtraction d’informationsModélisation thématiqueAnalyse sémantique latenteAllocation de Dirichlet latenteReconnaissance des entités nomméesProlongements lexicauxSac de motsRecherche intelligenteReconnaissance vocaleRacinisation et lemmatisationSynthèse de texteIA conversationnelleAnalyse conversationnelleGénération automatique de texte en langage naturelAperçuClassification des imagesDétection d’objetsSegmentation d’instancesSegmentation sémantiqueReconnaissance optique de caractèresReconnaissance d’imagesInspection visuelleJoshua Noblela science des donnéesbaggingboostingarbresdescente de gradient,surapprentissagexgboostPalmer Pinguinstutoriel sur Githubwatsonx.aiprojet watsonx.aiJupyter NotebookJerry FriedmanRapport IBM X-Force Threat Intelligence Index 2026 Avec l’IBM® X-Force Threat Intelligence Index, vous disposez d’informations qui vous permettent de vous préparer et de réagir plus rapidement et plus efficacement aux cyberattaques. Lire le rapportModèles IA Découvrir IBM Granite IBM Granite est notre famille de modèles d’IA ouverts, performants et fiables, conçus pour les entreprises et optimisés pour dimensionner vos applications d’IA. Explorez les options de langage, de code, de séries temporelles et de garde-fous. Découvrez GraniteRapport L’IA en action 2024 Nous avons interrogé 2 000 entreprises à propos de leurs initiatives d’IA pour découvrir ce qui fonctionne, ce qui ne fonctionne pas et comment progresser. Lire le rapportVidéo explicative Modèles d’apprentissage supervisés Découvrez des approches d’apprentissage supervisées telles que les machines à vecteurs de support et les classificateurs probabilistes. Lire les explicationsFormation L’IA générative en pratique Apprenez des concepts fondamentaux et développez vos compétences grâce à des ateliers pratiques, à des cours, à des projets guidés, à des essais et à d’autres ressources. Maîtriser l’IA générativeeBook Choisir le bon modèle de fondation Découvrez comment choisir le modèle de fondation d’IA le mieux adapté à votre cas d’utilisation. Lire l’eBookDécouvrir watsonx.aiDécouvrir les solutions d’IADécouvrir les services d’IADécouvrir watsonx.aiRéserver une démo en direct

智能索引记录