Bonjour.
Ma question est la suivante : lorsque nous utilisons un modèle non paramétrique dans un logiciel tel qu'un réseau neuronal ou SVM ou Naive Bayes ou... le logiciel met-il à l'échelle nos données par défaut ? Ou avant d'utiliser ces modèles, devons-nous mettre à l'échelle nos données numériques ?
Ok, mais dans ma (très longue) réponse, j'ai mentionné les méthodes basées sur les arbres et Naive Bayes :
Les modèles basés sur les arbres et les algorithmes basés sur les probabilités comme Naive Bayes peuvent ne pas nécessiter de mise à l'échelle.
Les méthodes basées sur les arbres ne nécessitent pas de mise à l'échelle car elles ne sont pas des algorithmes basés sur la distance, les divisions sont effectuées en fonction de l'ordre des données et des informations générées par la division à un certain seuil, mais il n'y a aucune influence des valeurs individuelles, des plages ou des distributions sur les résultats de la division.
Naive Bayes est un algorithme basé sur les probabilités, il calcule les probabilités à partir de la distribution des données et est invariant à l'échelle des données.
Quelques ressources supplémentaires :
https://stats.stackexchange.com/questions/244507/what-algorithms-need-feature-scaling-beside-from-svm
https://www.dataschool.io/comparing-supervised-learning-algorithms/
https://forecastegy.com/posts/do-decision-trees-need-feature-scaling-or-normalization/
Cette réponse complémentaire répond-elle à votre question ?
Oui j'ai lu
mais vous parlez de (( SVM, KNN, réseaux neuronaux, régression (linéaire et logistique))
En fait, je veux en savoir plus sur les autres modèles
arbre boosté
forêt bootstrap
arbre de décision
Bayes naïf
merci
