Forêt d'arbres décisionnelsvignette|Illustration du principe de construction d'une forêt aléatoire comme agrégation d'arbre aléatoires. En apprentissage automatique, les forêts d'arbres décisionnels (ou forêts aléatoires de l'anglais random forest classifier) forment une méthode d'apprentissage ensembliste. Ils ont été premièrement proposées par Ho en 1995 et ont été formellement proposées en 2001 par Leo Breiman et Adele Cutler. Cet algorithme combine les concepts de sous-espaces aléatoires et de bagging.
Apprentissage automatiqueL'apprentissage automatique (en anglais : machine learning, « apprentissage machine »), apprentissage artificiel ou apprentissage statistique est un champ d'étude de l'intelligence artificielle qui se fonde sur des approches mathématiques et statistiques pour donner aux ordinateurs la capacité d'« apprendre » à partir de données, c'est-à-dire d'améliorer leurs performances à résoudre des tâches sans être explicitement programmés pour chacune. Plus largement, il concerne la conception, l'analyse, l'optimisation, le développement et l'implémentation de telles méthodes.
Hormone peptidiquevignette|Structure chimique de la vasotocine avec acides aminés marqués Les hormones peptidiques (ou hormones polypeptidiques) sont une classe de peptides sécrétés dans le sang qui ont des fonctions endocrines chez les animaux. À l'instar des autres protéines, les hormones peptidiques sont synthétisées à partir d'acides aminés via un ARN messager, lui-même issu d'une matrice d'ADN au sein du noyau cellulaire.
Apprentissage superviséL'apprentissage supervisé (supervised learning en anglais) est une tâche d'apprentissage automatique consistant à apprendre une fonction de prédiction à partir d'exemples annotés, au contraire de l'apprentissage non supervisé. On distingue les problèmes de régression des problèmes de classement. Ainsi, on considère que les problèmes de prédiction d'une variable quantitative sont des problèmes de régression tandis que les problèmes de prédiction d'une variable qualitative sont des problèmes de classification.
Machine à vecteurs de supportLes machines à vecteurs de support ou séparateurs à vaste marge (en anglais support-vector machine, SVM) sont un ensemble de techniques d'apprentissage supervisé destinées à résoudre des problèmes de discrimination et de régression. Les SVM sont une généralisation des classifieurs linéaires. Les séparateurs à vaste marge ont été développés dans les années 1990 à partir des considérations théoriques de Vladimir Vapnik sur le développement d'une théorie statistique de l'apprentissage : la théorie de Vapnik-Tchervonenkis.
AndrogèneAndrogène est le terme générique pour tout composé naturel ou synthétique, généralement une hormone stéroïdienne, qui stimule ou contrôle le développement et le maintien des caractères mâles chez les vertébrés en se liant aux récepteurs androgènes. Cela englobe aussi l’activité des organes sexuels mâles secondaires et le développement des caractères sexuels secondaires. Les androgènes, qui ont été découverts en 1936, sont également appelés « hormones androgènes ». Les androgènes comportent également les stéroïdes anabolisants d’origine.
Algorithme d'apprentissage incrémentalEn informatique, un algorithme d'apprentissage incrémental ou incrémentiel est un algorithme d'apprentissage qui a la particularité d'être online, c'est-à-dire qui apprend à partir de données reçues au fur et à mesure du temps. À chaque incrément il reçoit des données d'entrées et un résultat, l'algorithme calcule alors une amélioration du calcul fait pour prédire le résultat à partir des données d'entrées.
Bootstrap aggregatingLe bootstrap aggregating, également appelé bagging (de bootstrap aggregating), est un meta-algorithme d'apprentissage ensembliste conçu pour améliorer la stabilité et la précision des algorithmes d'apprentissage automatique. Il réduit la variance et permet d'éviter le surapprentissage. Bien qu'il soit généralement appliqué aux méthodes d'arbres de décision, il peut être utilisé avec n'importe quel type de méthode. Le bootstrap aggregating est un cas particulier de l'approche d'apprentissage ensembliste.
Hypothalamusthumb|250px|Vue tridimensionnelle de l'hypothalamus (en rouge). L'hypothalamus (du grec : ὑπό, hypo = dessous et θάλαμος, thálamos = chambre, cavité) est une structure du système nerveux central, située sur la face ventrale de l'encéphale. Cette partie du cerveau est constituée de plusieurs sous-structures, appelées noyaux. Ces noyaux sont des ensembles anatomiquement indépendants de neurones qui assurent diverses fonctions.
Classification en classes multiplesIn machine learning and statistical classification, multiclass classification or multinomial classification is the problem of classifying instances into one of three or more classes (classifying instances into one of two classes is called binary classification). While many classification algorithms (notably multinomial logistic regression) naturally permit the use of more than two classes, some are by nature binary algorithms; these can, however, be turned into multinomial classifiers by a variety of strategies.
Œstrogènevignette|Graphiques d'œstrogènes Les œstrogènes ou estrogènes (prononcé : , ou pour la première graphie) constituent un groupe de stéroïdes, dont la fonction, à l'état naturel, est d'être une hormone sexuelle femelle primaire. Ils sont produits en premier lieu par le développement des follicules des ovaires et par le placenta. Certains œstrogènes sont également produits en petites quantités par d'autres tissus tels le foie, la surrénale, les seins et le tissu adipeux.
Sélection de caractéristiqueLa sélection de caractéristique (ou sélection d'attribut ou de variable) est un processus utilisé en apprentissage automatique et en traitement de données. Il consiste, étant donné des données dans un espace de grande dimension, à trouver un sous-sensemble de variables pertinentes. C'est-à-dire que l'on cherche à minimiser la perte d'information venant de la suppression de toutes les autres variables. C'est une méthode de réduction de la dimensionnalité. Extraction de caractéristique Catégorie:Apprentissage
Méthode des k plus proches voisinsEn intelligence artificielle, plus précisément en apprentissage automatique, la méthode des k plus proches voisins est une méthode d’apprentissage supervisé. En abrégé KPPV ou k-PPV en français, ou plus fréquemment k-NN ou KNN, de l'anglais k-nearest neighbors. Dans ce cadre, on dispose d’une base de données d'apprentissage constituée de N couples « entrée-sortie ». Pour estimer la sortie associée à une nouvelle entrée x, la méthode des k plus proches voisins consiste à prendre en compte (de façon identique) les k échantillons d'apprentissage dont l’entrée est la plus proche de la nouvelle entrée x, selon une distance à définir.
Binary classificationBinary classification is the task of classifying the elements of a set into two groups (each called class) on the basis of a classification rule. Typical binary classification problems include: Medical testing to determine if a patient has certain disease or not; Quality control in industry, deciding whether a specification has been met; In information retrieval, deciding whether a page should be in the result set of a search or not. Binary classification is dichotomization applied to a practical situation.
Recherche automatique d'architecture neuronaleLa recherche automatique d'architecture neuronale (Neural Architecture Search, NAS) est un ensemble de techniques visant à découvrir automatiquement de nouveaux modèles de réseaux de neurones artificiels. Les principales méthodes employées dans la littérature sont basées soit sur de l'apprentissage par renforcement, sur de la descente de gradient ou bien sur des algorithmes génétiques. Plusieurs méthodes NAS parviennent à obtenir des architectures qui atteignent ou surpassent les performances des modèles créés à la main.
Récepteur couplé aux protéines GLes récepteurs couplés aux protéines G (RCPG) sont une famille de récepteurs transmembranaires chez les mammifères. Parmi les nombreux récepteurs qui jouent un rôle dans la communication cellulaire, les récepteurs couplés aux protéines G (RCPG) constituent la plus grande famille de récepteurs membranaires de mammifères puisqu’elle représente 3,4 % du génome. Plus de la moitié des agents pharmacologiques agissent sur les RCPG : ils sont donc une classe de protéines d'importance thérapeutique majeure.
Analyse discriminante linéaireEn statistique, l’analyse discriminante linéaire ou ADL (en anglais, linear discriminant analysis ou LDA) fait partie des techniques d’analyse discriminante prédictive. Il s’agit d’expliquer et de prédire l’appartenance d’un individu à une classe (groupe) prédéfinie à partir de ses caractéristiques mesurées à l’aide de variables prédictives. Dans l’exemple de l'article Analyse discriminante, le fichier Flea Beetles, l’objectif est de déterminer l’appartenance de puces à telle ou telle espèce à partir de la largeur et de l’angle de son édéage (partie des organes génitaux mâles de l'insecte.
Arbre de décisionvignette| Arbre de décision Un arbre de décision est un outil d'aide à la décision représentant un ensemble de choix sous la forme graphique d'un arbre. Les différentes décisions possibles sont situées aux extrémités des branches (les « feuilles » de l'arbre), et sont atteintes en fonction de décisions prises à chaque étape. L'arbre de décision est un outil utilisé dans des domaines variés tels que la sécurité, la fouille de données, la médecine, etc. Il a l'avantage d'être lisible et rapide à exécuter.
Récepteur des hormones thyroïdiennesLes récepteurs des hormones thyroïdes (TR) sont des protéines de la superfamille des récepteurs cytoplasmique liant naturellement les hormones thyroïdiennes. Il existe deux sous-groupes d'isoformes : Récepteur des hormones thyroïdiennes de type α, (TRα; NR1A1) : TR-α1 (largement exprimé dans les différents organes et particulièrement dans le cœur et les muscles squelettiques) TR-α2 (homologue du récepteur viral c-erb-A, relativement ubiquitaire mais ne liant pas l'hormone) Récepteur des hormones thyroïdiennes de type β, (TRβ; NR1A2) : TR-β1 (exprimé essentiellement dans le cerveau, le foie et les reins) TR-β2 (expression dans l'hypothalamus et l'hypophyse) Les récepteurs des hormones thyroïdiennes sont principalement impliqués dans la régulation du métabolisme et du rythme cardiaque.
Automated machine learningAutomated machine learning (AutoML) is the process of automating the tasks of applying machine learning to real-world problems. AutoML potentially includes every stage from beginning with a raw dataset to building a machine learning model ready for deployment. AutoML was proposed as an artificial intelligence-based solution to the growing challenge of applying machine learning. The high degree of automation in AutoML aims to allow non-experts to make use of machine learning models and techniques without requiring them to become experts in machine learning.
