Séance de cours

Apprentissage supervisé : arbre k-NN et arbre de décision

Séances de cours associées (96)

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.

Connectez-vous pour utiliser Chat avec Graph Search

Clustering Evaluation

Explore l'évaluation de clustering à l'aide de l'index RAND et des ontologies, suivi par les algorithmes de clustering classiques.

KNN Classifier : Approche du voisin le plus proche

Explique le classificateur K-Nearest Neighbors, en attribuant des étiquettes basées sur les points les plus proches et en lissant le bruit dans les étiquettes.

Méthodes de clustering : Clustering K-means et densité

Explore les méthodes k-means, kernel trick et density clustering pour les clusters non convexes.

Séries chronologiques d'extrême valeur: Modélisation et dépendance

Explore les limites extrêmes des théorèmes, des processus ponctuels et des extrêmes multivariés dans la modélisation des séries chronologiques à valeur extrême, en mettant l'accent sur l'effet de la dépendance locale à l'égard des valeurs extrêmes.

Booster: Algorithme Adaboost

Couvre boosting en mettant l'accent sur l'algorithme Adaboost, en avant de la modélisation additive étape par étape, et l'arbre de gradient boosting.

K-means Clustering: Algorithme de Lloyd et espace RVB

Explique le clustering K-means avec l'algorithme de Lloyd et l'espace RVB pour la segmentation des couleurs.

La machine de base de données parallèle Gamma : regroupement de données et déclustering

Explore la machine de base de données Gamma Parallel, le regroupement de données et le dégroupement des compromis.

Ensachage et forêts aléatoires

Couvre l'ensemblage, l'ensachage, les forêts aléatoires, l'importance variable et la validation croisée OOB dans l'apprentissage automatique.

Cartes des protéines uniques: Sabrina Simoncelli

Explore la transition des localisations monomolécules aux cartes monoprotéines à l'aide de l'ADN-PAINT et du regroupement des moyennes k.

Apprentissage automatique avancé : booster

Couvre les apprenants faibles dans la stimulation, l'algorithme AdaBoost, les inconvénients, les apprenants faibles simples, les variantes de stimulation et les ondelettes Viola-Jones Haar-Like.