.. image:: pystat.png
    :height: 20
    :alt: Statistique
    :target: http://www.xavierdupre.fr/app/ensae_teaching_cs/helpsphinx/td_2a_notions.html#pour-un-profil-plutot-data-scientist

Deep Trees
++++++++++

L'apprentissage des réseaux de neurones reposent sur des méthodes
de gradient, différent, celui des arbres permet de prendre en compte des
features non continues et ne sont pas soumis aux problèmes d'échelle.
L'association *deep learning* - *deep neural network* était jusque là implicite,
il faut maintenant compter avec les forêts d'arbres.

*Notebooks*

(à venir)

*Lectures*

* `Unsupervised Learning of Task-Specific Tree Structures with Tree-LSTMs <https://arxiv.org/abs/1707.02786>`_
* `Improved Semantic Representations From Tree-Structured Long Short-Term Memory Networks <https://arxiv.org/abs/1503.00075>`_
  (ci-dessous : lien vers une implémentation)
* `Deep Forest: Towards An Alternative to Deep Neural Networks <https://arxiv.org/pdf/1702.08835.pdf>`_

*Modules*

* `tree_rnn (python) <https://github.com/ofirnachum/tree_rnn>`_ : pas de modules encore,
  des implémentatations partagées sur GitHub
* `treelstm <https://github.com/stanfordnlp/treelstm>`_ (java + `Torch <https://github.com/torch/torch7>`_)