Séance de cours

Régularisation de l'apprentissage automatique

Description

Cette séance de cours couvre les concepts de la Régression Ridge et de la Régression Lasso, en mettant l'accent sur les techniques de régularisation afin d'éviter un surajustement dans les modèles d'apprentissage automatique. Il explique comment la régularisation influe sur la flexibilité du modèle et les valeurs des paramètres. Les exemples démontrent l'application de la régularisation dans le code Julia, soulignant l'importance d'ajuster les hyperparamètres et d'interpréter les résultats. De plus, il discute de l'utilisation des chemins Lasso pour visualiser l'effet des différentes valeurs de régularisation sur les coefficients de paramètre. La séance de cours se termine par des exercices pratiques sur la mise en œuvre et la compréhension de la régularisation dans les modèles d'apprentissage automatique.

À propos de ce résultat
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Graph Chatbot

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.