Séance de cours
Suréquipement, validation croisée et régularisation
Séances de cours associées (50)
Régression linéaire
Couvre le concept de régression linéaire, y compris la régression polynomiale et la sélection des hyperparamètres.
Régression polynomiale : vue d'ensemble
Couvre la régression polynomiale, l'impact de flexibilité, et le sous-ajustement contre le surajustement.
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.
Régression linéaire probabiliste
Examine la régression probabiliste linéaire, couvrant les probabilités articulaires et conditionnelles, la régression des crêtes et l'atténuation excessive.
Évaluation du modèle et réglage de l'hyperparamètre
Explore l'évaluation des modèles, le réglage hyperparamétrique et les stratégies de rééchantillonnage dans l'apprentissage automatique.
Méthodes de décomposition et de régression des erreurs
Couvre la décomposition des erreurs, la régression polynomiale et les voisins K les plus proches pour la modélisation flexible et les prédictions non linéaires.
Introduction à l'apprentissage automatique : apprentissage supervisé
Introduit l'apprentissage supervisé, couvrant la classification, la régression, l'optimisation des modèles, le surajustement, et les méthodes du noyau.
Apprentissage automatique: Bases de la modélisation des matériaux à base de données
Couvre la réduction de dimensionnalité et la régression linéaire dans la modélisation des matériaux axée sur les données.
Apprentissage supervisé: Méthodes de régression
Explore l'apprentissage supervisé en mettant l'accent sur les méthodes de régression, y compris l'ajustement des modèles, la régularisation, la sélection des modèles et l'évaluation du rendement.
Critères de sélection du modèle : AIC, BIC, Cp
Explore les critères de sélection des modèles comme l'AIC, le BIC et le Cp en statistique pour la science des données.