Méta-apprentissage pour la sélection des meilleurs algorithmes de découverte causale [French]

By William Senfuma

La s lection du meilleur algorithme de d couverte causale pour tout nouvel ensemble de donn es est un processus difficile et chronophage, car il n cessite que le chercheur dispose de connaissances pr alables sur les algorithmes standard existants d'apprentissage de structures. Cette recherche propose une nouvelle approche de m ta-apprentissage pour r soudre ce probl me. Le m ta-apprentissage consiste apprendre des algorithmes d'apprentissage en utilisant diff rents types de m tadonn es, telles que les propri t s du probl me d'apprentissage, les mesures de performance de diff rents algorithmes et les mod les pr c dents d riv s des donn es, afin de s lectionner le meilleur algorithme ou une combinaison d'algorithmes d'apprentissage pour r soudre efficacement un probl me d'apprentissage donn . Plusieurs r seaux bay siens issus de la litt rature ont t manipul s et chantillonn s afin de g n rer des milliers d'ensembles de donn es, dont des caract ristiques sp cifiques ont t extraites pour le m ta-apprentissage. Trois algorithmes d'apprentissage de structure standard ont t ex cut s sur chacun des ensembles de donn es g n r s afin de d couvrir les r seaux causaux sous-jacents, et leurs performances ont t valu es. Gr ce nos nouvelles techniques, nous avons pu mettre en oeuvre un outil permettant de g n rer de nombreux mod les causaux, d' chantillonner de nombreux ensembles de donn es partir de chaque mod le, puis de d terminer le meilleur algorithme ou une combinaison

• Format: Paperback
• Language: French
• ISBN: 6207825896
• ISBN13: 9786207825899
• Release Date: May 2025
• Publisher: Editions Notre Savoir
• Length: 64 Pages
• Weight: 0.22 lbs.
• Dimensions: 0.1" x 6.0" x 9.0"