Séance de cours
Régression logistique : classification
Dans cours
DEMO: laborum est nulla id
Sint eiusmod deserunt irure ut. Dolore elit irure consequat laborum dolor mollit labore ullamco aliqua non voluptate aute cupidatat voluptate. Sint ad enim mollit pariatur incididunt adipisicing. Consectetur deserunt aliqua non fugiat aliquip proident ex consectetur eu eu. Tempor ad amet pariatur aliquip.
Description
Cette séance de cours couvre les concepts d'apprentissage supervisé et non supervisé, en se concentrant sur la classification en utilisant la régression logistique. Il explique la vérité sur le terrain, la prédiction et lestimation dans les modèles de régression, ainsi que le cauchemar pour la descente du gradient dans loptimisation. La séance de cours se penche également sur la perte zéro-un, les moindres carrés, et les défis rencontrés dans la régression logistique.
Cette vidéo est disponible exclusivement sur Mediaspace pour un public restreint. Veuillez vous connecter à Mediaspace pour y accéder si vous disposez des autorisations nécessaires.
Regarder sur MediaspaceEnseignant
commodo ut pariatur
Non id dolor laboris sit irure duis proident pariatur incididunt officia sit. Aute pariatur aliquip officia ea duis irure nulla eiusmod cupidatat. Culpa do quis exercitation ut Lorem non est eu veniam exercitation. Sunt adipisicing ullamco sit eu ut minim adipisicing commodo labore id sunt. Aliquip ea Lorem est non Lorem culpa officia excepteur est duis cupidatat dolor non. Dolore adipisicing fugiat dolor ipsum amet labore fugiat nisi fugiat anim. Sint fugiat consequat veniam commodo deserunt aliquip eiusmod dolore ea nostrud pariatur laboris ipsum.
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)
Apprentissage supervisé dans la tarification des actifs
Explore l'apprentissage supervisé en matière de tarification des actifs, en mettant l'accent sur les défis de la prévision du rendement des actions et l'évaluation des modèles.
Apprentissage supervisé: Méthodes de régression
Explore l'apprentissage supervisé en mettant l'accent sur les méthodes de régression, y compris l'ajustement des modèles, la régularisation, la sélection des modèles et l'évaluation du rendement.
Apprentissage supervisé : Régression linéaire
Couvre l'apprentissage supervisé en mettant l'accent sur la régression linéaire, y compris des sujets comme la classification numérique, la détection des pourriels et la prédiction de la vitesse du vent.
Analyse des documents : Modélisation des sujets
Explore l'analyse documentaire, la modélisation thématique et les modèles génériques pour la production de données dans l'apprentissage automatique.
Régression linéaire : basiques et descente progressive
Couvre les bases de la régression linéaire, y compris l'ingénierie des caractéristiques, l'apprentissage supervisé ou non supervisé, et minimise la fonction de coût.