Séance de cours

Ingénierie des caractéristiques: Régression polynomiale

Description

Cette séance de cours couvre le concept d'ingénierie des caractéristiques, en mettant l'accent sur l'ajustement de la régression linéaire sur les caractéristiques des prédicteurs originaux. Il comprend des sujets tels que le nettoyage des données, les transformations de l'entrée et de la sortie, et l'utilisation de splines pour la représentation flexible des fonctionnalités.

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
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.
Séances de cours associées (303)
Transformations des intrants ou des extrants
Couvre le traitement des données manquantes, l'ingénierie des fonctionnalités et les transformations de sortie dans l'apprentissage automatique.
Régression logistique : prédiction de la végétation
Explore la régression logistique pour prédire les proportions de la végétation dans la région amazonienne grâce à l'analyse des données de télédétection.
Gradient Descent: Régression linéaire
Couvre le concept de descente de gradient pour la régression linéaire, en expliquant le processus itératif de mise à jour des paramètres.
Ingénierie des fonctionnalités : données manquantes et normalisation
Couvre les techniques de gestion des données manquantes et de normalisation des fonctionnalités, ainsi que la transformation des données d'entrée et de sortie.
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.
Afficher plus