Apprentissage automatique avancé : booster

Cette séance de cours couvre le concept d'apprenants faibles dans le renforcement, où des modèles simples sont adaptés au problème à portée de main. Il explique l'algorithme AdaBoost, comment les poids sont mis à jour et le processus de classification final. Les inconvénients de la stimulation, tels que le suréquipement et le temps d'entraînement, sont discutés. Divers apprenants faibles simples sont présentés, y compris des projections aléatoires et des gaussiennes à covariance complète. La séance de cours explore également différentes variantes de boost qui visent à réduire les surajustements et à augmenter la robustesse au bruit. Enfin, il se penche sur l'amélioration d'AdaBoost en modifiant la représentation des erreurs et les méthodes de test, ainsi que des cascades de classificateurs faibles et un exemple célèbre utilisant des ondelettes Viola-Jones Haar-Like.