Concept
Régression locale
Séances de cours associées (55)
Introduction : organisation et exigences
Couvre l'organisation des cours, les statistiques spatiales, l'analyse des données épidémiologiques et le travail de projet de groupe.
Régression robuste : méthodes et applications
Explore des méthodes robustes et résistantes dans des modèles linéaires, en soulignant l'importance de gérer les observations extrêmes et les implications de la robustesse dans les modèles de régression.
Apprentissage du modèle graphique : Exemples de M-Estimateur
Explore l'apprentissage des modèles graphiques avec les estimateurs M, la régression des processus Gaussiens, la modélisation Google PageRank, l'estimation de la densité et les modèles linéaires généralisés.
Sélection de fonctionnalités, Régression du noyau, Terrain de jeu des réseaux neuronaux
Couvre la sélection des fonctionnalités, la régression du noyau et les réseaux neuronaux à travers des exercices.
Régression du processus gaussien : régression linéaire probabiliste
Explore la régression linéaire probabiliste et la régression de processus gaussien, en mettant l'accent sur la sélection du noyau et l'ajustement hyperparamétrique pour des prédictions précises.
Fonctions de coût de régression et d'entropie croisée
Explore l'entropie croisée dans la classification et diverses fonctions de coût de régression.
Méthodes de régression : Lissage des splines
Couvre les méthodes de régression axées sur le lissage des attelles et l'ajustement pénalisé pour équilibrer la fidélité et la douceur des données.
Classification binaire par régression: fonctions de décision et fonctions de coût
Explore la classification binaire par régression, fonctions de décision et diverses fonctions de coût.
Mathématiques des données : modèles et apprentissage
Explore les modèles, les paradigmes d'apprentissage et les applications en mathématiques des données.
Modèles additifs généralisés: moindres carrés pondérés itératifs pénalisés
Couvre lintroduction aux modèles additifs généralisés et aux moindres carrés pondérés itératifs pour la vérification des modèles et les ajustements lisses.