Séance de cours
Machines vectorielles de soutien: Marge douce
Séances de cours associées (31)
Régression linéaire généralisée : classification
Explorer la régression linéaire généralisée, la classification, les matrices de confusion, les courbes ROC et le bruit dans les données.
Modèles linéaires pour la classification: Partie 3
Explore les modèles linéaires pour la classification, y compris la classification binaire, la régression logistique, les limites de décision et les machines vectorielles de support.
Problèmes de classification: Aperçu et fonctions de perte
Couvre les problèmes de classification et diverses fonctions de perte utilisées dans l'apprentissage automatique.
Classeurs Max-Margin
Explore la maximisation des marges pour une meilleure classification à l'aide de machines vectorielles de support et l'importance de choisir le bon paramètre.
Apprentissage sans supervision: PCA & K-means
Couvre l'apprentissage non supervisé avec l'APC et les moyennes K pour la réduction de dimensionnalité et le regroupement des données.
Soutenez des machines de vecteur
Introduit des machines vectorielles de support, couvrant la perte de charnière, la séparation hyperplane et la classification non linéaire à l'aide de noyaux.
Méthodes de noyau: Surfaces de séparation non linéaires
Explore les méthodes du noyau pour les surfaces de séparation non linéaires à l'aide de noyaux polynômes et gaussiens dans les algorithmes Perceptron et SVM.
Modèles linéaires: Classification
Explore les modèles linéaires de classification, y compris la régression logistique, les limites de décision et les machines vectorielles de soutien.
Classification des baies naïves
Introduit le classificateur Naive Bayes, qui couvre les hypothèses d'indépendance, les probabilités conditionnelles et les applications dans la classification des documents et le diagnostic médical.
Modèles linéaires pour la classification
Explore les modèles linéaires, la régression logistique, les métriques de classification, la MVS et leur utilisation pratique dans les méthodes de science des données.