Séance de cours

Apprentissage supervisé : arbre k-NN et arbre de décision

Description

Cette séance de cours couvre les fondamentaux de l'apprentissage supervisé, en se concentrant sur les voisins k-nearest (k-NN) et les arbres de décision. Il explique le processus d'apprentissage d'une fonction à partir des paires entrées/sorties et les types de tâches d'apprentissage supervisé. La séance de cours se penche sur les techniques de k-NN, les modèles basés sur les arbres, et l'échange de biais-variance. Il examine également des exemples d'applications d'apprentissage supervisé, comme la classification des images et le regroupement. De plus, il traite des concepts d'entropie, de mesures de distance et d'évaluation des modèles. La séance de cours se termine par un aperçu des méthodes d'ensemble comme les forêts aléatoires et les arbres de décision stimulés.

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.