Applied Machine Learning: Caractéristiques et Modèles

Cette séance de cours porte sur l'importance de la collecte de données, de la sélection des caractéristiques et de la construction de modèles dans l'apprentissage automatique. Il traite des types de caractéristiques, de l'ingénierie des caractéristiques, de la discrétisation et des méthodes de sélection des caractéristiques. L'instructeur souligne l'importance de la normalisation, de la normalisation et de l'échelle des caractéristiques pour l'évaluation du rendement du modèle. La séance de cours se penche également sur la précision, le rappel, le F-score, les courbes ROC et l'échange de biais dans la sélection des modèles. Il se termine par un aperçu de l'impact de la taille des données et de la complexité du modèle sur la performance du modèle.