![](//s1.studylibfr.com/store/data-gzf/24b59e0215c8455181156a9b5a4f822c/1/002401160.htmlex.zip/bg3.jpg)
R´esum´e
Dans ce m´emoire de maˆıtrise, nous pr´esentons dans un premier temps un algorithme
de l’´etat de l’art appel´e Forˆets al´eatoires introduit par L´eo Breiman. Cet algorithme
effectue un vote de majorit´e uniforme d’arbres de d´ecision construits en utilisant l’algo-
rithme CART sans ´elagage. Par apr`es, nous introduisons l’algorithme que nous avons
nomm´e SORF. L’algorithme SORF s’inspire de l’approche PAC-Bayes, qui pour mini-
miser le risque du classificateur de Bayes, minimise le risque du classificateur de Gibbs
avec un r´egularisateur. Le risque du classificateur de Gibbs constitue en effet, une fonc-
tion convexe bornant sup´erieurement le risque du classificateur de Bayes. Pour chercher
la distribution qui pourrait ˆetre optimale, l’algorithme SORF se r´eduit `a ˆetre un simple
programme quadratique minimisant le risque quadratique de Gibbs pour chercher une
distribution Qsur les classificateurs de base qui sont des arbres de la forˆet. Les r´esul-
tasts empiriques montrent que g´en´eralement SORF est presqu’aussi bien performant
que les forˆets al´eatoires, et que dans certains cas, il peut mˆeme mieux performer que
les forˆets al´eatoires.
iii