Qu'est-ce que le mélange de données?

Ce terme apparaît fréquemment dans les threads liés à la méthode .

Le mélange est-il une méthode spécifique dans l'exploration de données et l'apprentissage statistique? Je ne parviens pas à obtenir un résultat pertinent de Google.

Il semble que le mélange mélange les résultats de nombreux modèles et donne un meilleur résultat. Y a-t-il une ressource qui m'aide à en savoir plus à ce sujet?

http://www.cs.cornell.edu/~caruana/ctp/ct.papers/caruana.icml04.icdm06long.pdf Quelques articles pour vous aider à mieux comprendre ce qu'est le mélange. Je pense que vous pouvez également google pour la sélection / l'apprentissage d'ensemble et l'empilement.

Votre compréhension générale de «mélanger les résultats de nombreux modèles et d'obtenir un meilleur résultat» est cependant correcte.

Le boosting (comme mentionné dans la discussion liée) est une méthode qui combine un ensemble d'algorithmes pour obtenir un résultat meilleur que ce que vous pouvez obtenir à partir d'un seul algorithme. Par exemple, les forêts aléatoires sont une méthode pour combiner divers arbres de classification pour un algorithme de classification. Cette approche est officiellement appelée moyenne d'ensemble (bien que l'algoithme applique généralement la règle de la majorité). Le mélange semble être un mot que certaines personnes utilisent pour décrire une approche stimulante de la classification.

Dans l'industrie, le mélange de données ne concerne pas les modèles mais le prétraitement : c'est lorsque les données sont fusionnées qui proviennent de différentes sources, comme celle d'une base de données et d'autres données de fichiers CSV.