Séance de cours

Régression linéaire : basiques et descente progressive

Description

Cette séance de cours présente les bases de la régression linéaire, couvrant des sujets tels que l'ingénierie des caractéristiques, la régression logistique et l'éthique dans l'IA. Il explique la définition de l'apprentissage automatique, les ingrédients du ML et les types d'expériences d'apprentissage. La séance de cours se penche sur l'apprentissage supervisé contre l'apprentissage non supervisé, à l'aide d'exemples comme Iris Unlabeled et Palmer Penguins 2. Il traite de la différence entre les ensembles de données supervisés et non supervisés, montrant l'ensemble de données Palmer Penguins 2. La séance de cours explore également les concepts de régression par rapport à la classification, en les illustrant avec des exemples comme la prévision des prix des maisons à Portland. En outre, il explique le processus de minimisation de la fonction de coût à l'aide de techniques comme l'équation normale et la descente du gradient.

À propos de ce résultat
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

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.