Régression logistique

Science formelle
Statistique
Analyse des données
Régression (statistiques)

Séances de cours associées (500)

À propos
Confidentialité
Mentions légales

Page 7 sur 50

Modèles génératifs : Régression logistique et distribution gaussienne

Explore les modèles génératifs, la régression logistique et la distribution gaussienne pour approximer les probabilités postérieures et optimiser les performances du modèle.

Analyse de la consommation d'oxygène

Se penche sur l'analyse de la consommation d'oxygène, couvrant la régression, l'interprétation des erreurs et l'application du modèle Michaelis-Menten.

Sans titre

Sparse Regression

Couvre le concept de régression clairsemée et l'utilisation du bruit additif gaussien dans le contexte de l'estimateur et de la régularisation MAP.

Analyse de régression : Désengagement des données

Couvre l'analyse de régression pour les données de désassemblage à l'aide de la modélisation de régression linéaire, des transformations, des interprétations des coefficients et des modèles linéaires généralisés.

Optimisation dans l'apprentissage automatique: Gradient Descent

Couvre l'optimisation dans l'apprentissage automatique, en mettant l'accent sur la descente par gradient pour la régression linéaire et logistique, la descente par gradient stochastique et des considérations pratiques.

Sans titre

Régression linéaire et logistique

Introduit une régression linéaire et logistique, couvrant les modèles paramétriques, la prédiction multi-sorties, la non-linéarité, la descente de gradient et les applications de classification.

ANOVA: Partitionnement Total SS

Couvre la méthode ANOVA, en se concentrant sur la partition de la somme totale des carrés en composantes de traitement et d'erreur, les calculs carrés moyens, les statistiques de Fisher et la distribution F.

Modèles linéaires généralisés : théorie et applications

Couvre la théorie et les applications des modèles linéaires généralisés, y compris le MLE, les mesures d'ajustement, le rétrécissement et des exemples spéciaux.