:orphan:

|rss_image|  **2020-08 - 1/1** :ref:`Blog <ap-main-0>` :ref:`machine_learning (3) <ap-cat-machine_learning-0>`

.. |rss_image| image:: feed-icon-16x16.png
    :target: ../_downloads/rss.xml
    :alt: RSS

----


.. index:: 2020-08


.. _ap-month-2020-08-0:

2020-08 - 1/1
+++++++++++++

.. blogpostagg::
    :title: Réseaux de neurones et arbres de décision
    :date: 2020-08-22
    :keywords: inégalités
    :categories: machine learning
    :rawfile: 2020/2020-08-22_nn.rst

    Je ne peux m'empêcher parfois de m'embarquer dans
    l'implémentation d'une idée que j'ai eue, simplement
    parce que je pense que c'est possible, que je la voie
    devant moi sans pouvoir la toucher. J'ai imaginé
    une façon de convertir un arbre de décision en un arbre
    de décision, parce qu'une fonction sigmoïde est une
    approximation d'une fonction en escalier. Je me suis
    toujours que c'était possible sans vraiment aller jusqu'au
    bout car je n'avais aucun doute là-dessus. Et puis
    j'ai commencé à faire un lien entre ce mécanisme et la
    possibilité de créer une arbre de décision où chaque noeud
    n'est plus un seuil sur une variable mais sur une droite :
    :ref:`l-decnntrees`. Cela permettrait de construire des arbres
    avec n'importe quelle séparation linéaire au lieu de seulement
    des horizontales et des verticales, donc tout autant
    interprétable et probablement plus petit.
    

    ...





----

|rss_image|  **2020-08 - 1/1** :ref:`2016-08 (1) <ap-month-2016-08-0>` :ref:`2017-02 (1) <ap-month-2017-02-0>` :ref:`2018-08 (1) <ap-month-2018-08-0>` :ref:`2019-05 (1) <ap-month-2019-05-0>` :ref:`2020-08 (1) <ap-month-2020-08-0>`