Séance de cours
Régression : Exercices
Description
Cette séance de cours couvre les exercices liés à la régression dans le contexte de l'apprentissage automatique appliqué. Les exercices comprennent la résolution des fonctions de régression à l'aide de RLS, WLS et LWR sur différents ensembles de données, ainsi que l'application de poids et de solutions de dessin basées sur des noyaux donnés.
Source officielle
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.
Proximité ontologique
Séances de cours associées (33)
Régression du noyau : Moyenne pondérée et cartes des caractéristiques
Couvre la régression du noyau et les cartes de caractéristiques pour la séparabilité des données.
Régression du noyau : K-nearest Neighbors
Couvre le concept de régression du noyau et les voisins les plus proches de K pour rendre les données linéairement séparables.
Apprentissage supervisé : classification et régression
Couvre l'apprentissage supervisé, la classification, la régression, les limites de décision, le surajustement, Perceptron, SVM et la régression logistique.
Méthodes de noyau: Réseaux neuronaux
Couvre les fondamentaux des réseaux neuronaux, en mettant l'accent sur les noyaux RBF et SVM.
Réseaux de neurones: caractéristiques aléatoires et régression du noyau
Explore les caractéristiques aléatoires dans les réseaux neuronaux et la régression du noyau en utilisant la descente de gradient stochastique.