Réduction de dimensionnalité: Malédiction de dimensionnalité

Cette séance de cours couvre la malédiction de la dimensionnalité, ce qui implique que dans des dimensions élevées, les points de données deviennent de plus en plus isolés, nécessitant plus de données de formation. Les méthodes de sélection des variables, comme le filtrage basé sur la corrélation ou l'information mutuelle, sont discutées. Le coefficient de détermination est introduit comme mesure de la corrélation entre les valeurs prédites et les valeurs réelles. Les limites des méthodes de filtrage sont mises en évidence, en utilisant l'exemple d'explication de la sortie d'une opération exclusive OR (XOR). Dans l'ensemble, la séance de cours met l'accent sur les défis et les stratégies pour réduire la dimensionnalité dans l'apprentissage automatique.