Classification linéaire : Distance signée et Perceptron

Cette séance de cours couvre le concept de distance signée en N dimensions pour la classification linéaire, l'énoncé du problème et l'algorithme de perceptron non centré. Il traite également de l'évaluation du temps de test, des implémentations Python et JAVA, du problème avec le perceptron, de la régression logistique, de la fonction sigmoïde, de l'entropie croisée et de l'interprétation probabiliste. La transition de la classification binaire à la classification multi-classes, discriminante linéaire, les régions de décision, et la classification linéaire multi-classes sont expliquées. La séance de cours se termine par une régression logistique multi-classes, une entropie croisée, une activation et les résultats d'une classification multi-classes.