Apprentissage supervisé : arbre k-NN et arbre de décision

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.