L'inférence ABC dans le domaine de l'apprentissage automatique : AbcRanger, une bibliothèque de forêts aléatoires optimisée pour ABC.

Résumé La bibliothèque AbcRanger fournit des méthodologies pour le choix de modèles et l'estimation de paramètres basés sur des forêts aléatoires rapides et évolutives, adaptées à des ensembles de données de grande taille et/ou de haute dimension. La bibliothèque, initialement prévue pour le cadre ABC de génétique des populations DIYABC, a été généralisée à tout générateur de table de référence ABC. Au début, des problèmes de calcul ont été rencontrés avec l'ABC-Random Forest de référence. Ces problèmes ont été diagnostiqués par nous comme une friction entre la configuration "stricte" de l'apprentissage automatique et le contexte ABC, et cela nous a incité à modifier l'implémentation C++ des forêts aléatoires de pointe, ranger, pour l'adapter aux besoins de ABC : les arbres de décision potentiellement "profonds" ne sont plus stockés en mémoire, mais sont traités par lots en parallèle. Nous nous sommes concentrés sur l'extensibilité de la mémoire et des threads, la facilité d'utilisation (ensemble minimal d'hyperparamètres). Des interfaces R et python sont fournies.