Êtes-vous un étudiant de l'EPFL à la recherche d'un projet de semestre?
Travaillez avec nous sur des projets en science des données et en visualisation, et déployez votre projet sous forme d'application sur Graph Search.
Cette séance de cours explore la méthode de classification la plus proche du voisin, expliquant son application en régression et en classification. L'instructeur discute de l'impact de la dimensionnalité sur la performance de la méthode, en soulignant l'importance de la corrélation spatiale entre les étiquettes. La malédiction de la dimensionnalité est explorée, soulignant comment l'efficacité de la méthode diminue à mesure que la dimensionnalité augmente. La séance de cours donne un aperçu du compromis biais-variance et de l'erreur de généralisation liée à la méthode du voisin le plus proche, mettant en évidence la nécessité d'un grand nombre d'observations relatives à la dimension pour une performance optimale.
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 Mediaspace