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 couvre les concepts de sous-ajustement et de surajustement dans les modèles d'apprentissage automatique, expliquant comment les hyperparamètres contrôlent la flexibilité des modèles. Il se transforme en décomposition d'erreur, régression polynôme et K Nearest-Neighbors, illustrant l'échange de biais-variance. L'instructeur discute de l'impact de la flexibilité du modèle sur la formation et les erreurs d'essai, en soulignant l'importance de trouver le bon équilibre pour éviter les sous-ajustements ou les surajustements.
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