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 le concept de régularisation en modèles linéaires, en se concentrant sur Ridge Regression et le Lasso. Il explique comment rendre les modèles linéaires moins flexibles en fixant des paramètres ou en favorisant les petits. L'instructeur discute des solutions analytiques pour la régression linéaire simple, des formulations alternatives de régularisation et des entrées normalisées pour la régularisation. La séance de cours se penche également sur la régression des crêtes polynomiales, la régression des crêtes logistiques multiples et le chemin Lasso pour les données météorologiques. Il se termine par un résumé soulignant les avantages de la régularisation en termes de flexibilité et d’interprétabilité des modèles.
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