Êtes-vous un étudiant de l'EPFL à la recherche d'un projet de semestre?
Travaillez avec nous sur des projets en science des données et en visualisation, et déployez votre projet sous forme d'application sur GraphSearch.
Cette séance de cours porte sur l'importance de concevoir un cadre expérimental pour choisir un modèle d'apprentissage supervisé, choisir des critères d'évaluation et estimer le rendement en matière de généralisation. Il explique la distinction entre l'évaluation du modèle et la sélection, l'estimation empirique de l'erreur de généralisation, l'importance de la formation et des ensembles de données d'essai, le rôle des ensembles de validation, les techniques de validation croisée et les inconvénients de la validation sans interruption. L'instructeur met l'accent sur les aspects critiques de l'évaluation du modèle afin d'éviter le surajustement et d'assurer une évaluation précise du rendement.