Concept
Single-linkage clustering
Séances de cours associées (147)
Physique statistique des grappes
Explore la physique statistique des clusters, en se concentrant sur la complexité et le comportement d'équilibre.
Coloration graphique: aléatoire vs symétrique
Comparer la coloration aléatoire et symétrique des graphiques en termes de coloration et d'équilibre des amas.
Apprentissage supervisé : arbre k-NN et arbre de décision
Introduit l'apprentissage supervisé avec k-NN et les arbres de décision, couvrant les techniques, les exemples et les méthodes d'ensemble.
Groupement : moyenne en k
Explique le regroupement des moyennes k, en attribuant des points de données à des grappes en fonction de la proximité et en minimisant les distances carrées à l'intérieur des grappes.
Coloration graphique II
Explore les concepts avancés de coloration graphique, y compris la coloration plantée, le seuil de rigidité, et les variables gelées en points fixes BP.
Maximisation et regroupement des attentes
Couvre l'algorithme de maximisation des attentes et les techniques de regroupement, en mettant l'accent sur l'échantillonnage Gibbs et l'équilibre détaillé.
Classification : Introduction
Couvre le clustering et la classification, la construction de modèles pour affecter des objets à des classes basées sur des valeurs d'attributs.
Clusters et communautés
Explore le clustering, la détection de communauté, K-means, GMM, la modularité et la méthode Louvain.
Introduction à la classification des images
Couvre la classification des images, le clustering et les techniques d'apprentissage automatique telles que la réduction de la dimensionnalité et l'apprentissage par renforcement.
Échantillonnage de Gibbs : Annealing simulé
Couvre le concept d'échantillonnage de Gibbs et son application dans le recuit simulé.