Séance de cours

Méthodes du noyau

Dans cours
DEMO: pariatur aliqua quis
Officia nostrud deserunt cupidatat eiusmod culpa culpa magna veniam eu adipisicing fugiat ea officia fugiat. Duis qui tempor incididunt et sunt incididunt anim enim incididunt adipisicing in. Et amet culpa mollit amet culpa reprehenderit dolor sint commodo quis adipisicing Lorem aliqua.
Connectez-vous pour voir cette section
Description

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.

Enseignant
commodo veniam
Cupidatat proident nulla ad laborum ad. Velit id Lorem elit dolor. Eiusmod ullamco mollit dolore voluptate ex labore ullamco culpa velit. Ad aute excepteur esse ea enim duis cillum Lorem.
Connectez-vous pour voir cette section
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 (49)
Méthodes de noyau: Machine Learning
Couvre les méthodes du noyau dans l'apprentissage automatique, en se concentrant sur le surajustement, la sélection du modèle, la validation croisée, la régularisation, les fonctions du noyau et la SVM.
Méthodes de noyau: Machine Learning
Explore les méthodes du noyau dans l'apprentissage automatique, en mettant l'accent sur leur application dans les tâches de régression et la prévention du surajustement.
Fondements de l'apprentissage automatique : régularisation et validation croisée
Explore le surajustement, la régularisation et la validation croisée dans l'apprentissage automatique, soulignant l'importance de l'expansion des fonctionnalités et des méthodes du noyau.
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.
Régression du noyau : Moyenne pondérée et cartes des caractéristiques
Couvre la régression du noyau et les cartes de caractéristiques pour la séparabilité des données.
Afficher plus

Graph Chatbot

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.