Couvre les bayes naïfs gaussiens, les voisins les plus proches du K et le réglage hyperparamétrique dans l'apprentissage automatique.
Couvre la classification à l'aide de GMM et kNN, explorant les limites, les erreurs et les exercices pratiques.
Explore les modèles linéaires de classification, y compris la régression logistique, les limites de décision et les machines vectorielles de soutien.
Explore la régression linéaire généralisée, la régression logistique et la classification multiclasses dans l'apprentissage automatique.
