Concept
Simple linear regression
Séances de cours associées (200)
Régression logistique : prédiction de la végétation
Explore la régression logistique pour prédire les proportions de la végétation dans la région amazonienne grâce à l'analyse des données de télédétection.
Régression du noyau : K-nearest Neighbors
Couvre le concept de régression du noyau et les voisins les plus proches de K pour rendre les données linéairement séparables.
Régression polynomiale : bases et régularisation
Couvre les bases de la régression polynomiale et de la régularisation pour éviter les surajustements.
Régression polynôme multivariée
Couvre la régression polynôme multivariée pour prédire la vitesse sonore dans l'eau à partir de mesures.
Modèles génériques : auto-attention et transformateurs
Couvre les modèles générateurs en mettant l'accent sur l'auto-attention et les transformateurs, en discutant des méthodes d'échantillonnage et des moyens empiriques.
Régression linéaire : bases et applications
Couvre les bases de la régression linéaire, de la formation aux applications du monde réel et aux scénarios multi-sorties.
Apprentissage automatique pour les systèmes à échelle atomique
Explore l'application de l'apprentissage automatique aux systèmes à l'échelle atomique, en mettant l'accent sur la symétrie dans la cartographie des caractéristiques et la construction de descripteurs invariants en rotation.
Apprentissage automatique: Bases de la modélisation des matériaux à base de données
Couvre la réduction de dimensionnalité et la régression linéaire dans la modélisation des matériaux axée sur les données.
Statistiques comparatives : Hypothesis Testing et ANOVA
Explore les statistiques de comparaison, les tests d'hypothèses, l'ANOVA, la corrélation et la régression linéaire.
Régression linéaire : principes et applications
Couvre les principes et les applications de la régression linéaire, en mettant l'accent sur la construction d'un modèle simple pour faire des suggestions.