Modèles linéaires: Bases de classification

Cette séance de cours couvre les fondamentaux des modèles linéaires de classification, y compris les hyperplans, la prédiction multi-sorties, la non-linéarité et l'interprétation probabiliste. Il s'inscrit également dans la formation de régression logistique, traitant de plusieurs classes, et les limites de décision en détail. La séance de cours se termine par un aperçu des machines vectorielles de soutien, qui discutent des classificateurs de marge maximum, des variables de relâchement et de la formulation SVM. Diverses propriétés et exemples de voisins k-Nearest sont explorés, mettant en évidence ses applications dans les tâches de classification et de régression, ainsi que la malédiction de dimensionnalité et les stratégies pour l'atténuer.