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 sur-ajustement vs sous-ajustement, la sélection du modèle, la méthode de l'ensemble de validation, LOOCV, k-fold cross-validation, sur-ajustement avec un modèle linéaire, pénalisant sur-ajustement, régularisé régression linéaire, les fonctions du noyau, kernel astuce, versions kernelized de régression linéaire et SVM. Il introduit également la notion de fonction de noyau, de régression linéaire et de régression de crête kernelisées, et le noyau gaussien. La séance de cours explique la régression du noyau, la régression des crêtes du noyau, la régression linéaire multi-sorties, la SVM du noyau, la prédiction dans la régression du noyau et la SVM, et fournit des exemples de régression du noyau et de la SVM. Il se termine par une discussion sur la kernelisation d’algorithmes tels que la SVM et la réduction de la dimensionnalité.