Concept
Astuce du noyau
Séances de cours associées (157)
Méthodes de noyau: Machine Learning
Couvre les méthodes du noyau dans l'apprentissage automatique, en se concentrant sur le surajustement, la sélection du modèle, la validation croisée, la régularisation, les fonctions du noyau et la SVM.
Régression différentielle: LWPR
Explore l'apprentissage progressif avec LWPR, en discutant des défis, des données synthétiques, des applications du monde réel et de l'algorithme LWPR.
Méthodes du noyau : Récapitulatif et applications
Couvre l'expansion des fonctionnalités polynomiales, les méthodes du noyau, les représentations des données, la normalisation et la gestion des données déséquilibrées dans l'apprentissage automatique.
Théorème de Mercer et noyaux
Explore le théorème de Mercer, les noyaux et leur rôle dans les applications d'apprentissage automatique.
Kernel Methods: Calcul efficace du produit
Démontre un calcul de produit par points efficace et introduit des limites non linéaires dans l'espace d'origine.
Méthodes du noyau
Couvre les surajustements, la sélection des modèles, les méthodes de validation, les fonctions du noyau et les concepts SVM.
Méthodes de noyau: Surfaces de séparation non linéaires
Explore les méthodes du noyau pour les surfaces de séparation non linéaires à l'aide de noyaux polynômes et gaussiens dans les algorithmes Perceptron et SVM.
Extension de la fonctionnalité: Amandes et KNN
Les couvertures comportent l'expansion, les noyaux et les voisins K-nearest, y compris la non-linéarité, SVM, et les noyaux gaussiens.
Méthodes de noyau: Réseaux neuronaux
Couvre les fondamentaux des réseaux neuronaux, en mettant l'accent sur les noyaux RBF et SVM.
Support Vecteurs Machines: Théorie et Optimisation
Déplacez-vous dans la théorie et l'optimisation des machines vectorielles de soutien, y compris le théorème de Mercer et la dualité de Lagrange.