Passer au contenu principal

Recherche

Afficher tous les résultats pour

Accueil

Séance de cours

K-means et modèle de mélange gaussien

À propos
Confidentialité
Mentions légales

Copyright © 2025 EPFL, tous droits réservés

Graph Chatbot

Description

Cette séance de cours couvre l'algorithme K-means pour regrouper les données en grappes arrondies, les propriétés de K-means, l'algorithme EM pour le modèle de mélange gaussien, l'inégalité de Jensen, la divergence Kullback-Leibler et l'algorithme Expectation-Maximisation.

Source officielle

https://mediaspace.epfl.ch/media/0_loss8iv9

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.

Dans cours

DEMO: do ut irure laboris

Ad amet proident reprehenderit exercitation sunt anim adipisicing exercitation nisi cupidatat. Elit Lorem non nisi velit eiusmod. Labore aliqua voluptate est enim est. Laborum laborum et nostrud eu consequat anim ullamco ea. Magna velit et aliquip minim consequat exercitation enim culpa laboris mollit ullamco ullamco. Velit eiusmod nostrud do nostrud aliqua occaecat nisi commodo id pariatur.

Enseignant

amet cillum nostrud nisi

Irure velit veniam eu incididunt in Lorem. Dolor sunt ea sunt laborum dolor labore culpa nulla est. Fugiat sint ullamco aliqua elit exercitation laboris dolore. Ut do voluptate incididunt eu quis amet sint et. Voluptate incididunt aute pariatur adipisicing ipsum. Elit est id magna officia nulla nostrud occaecat velit consequat irure amet ad esse sunt.

Séances de cours associées (29)

Spin Glasses et estimation bayésienne

Couvre les concepts de lunettes de spin et d'estimation bayésienne, en se concentrant sur l'observation et la déduction de l'information d'un système de près.

Modèle de mélange gaussien: forme finale EM

Explique les calculs E-step et M-step dans le modèle de mélange gaussien, y compris le pseudocode de lalgorithme EM.

Boltzmann Machine

Introduit la machine Boltzmann, couvrant la cohérence d'attente, le regroupement des données, et les fonctions de distribution de probabilité.

Estimation du regroupement et de la densité

Couvre la réduction de dimensionnalité, l'APC, les techniques de regroupement et les méthodes d'estimation de la densité.

Mesures d'information

Couvre les mesures d'information comme l'entropie et la divergence Kullback-Leibler.