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 introduit la régression non paramétrique, en se concentrant sur l'estimation polynomiale locale comme méthode pour estimer les fonctions de régression en termes locaux. L'instructeur discute du concept de fluidité dans les fonctions et démontre l'utilisation du lissage du noyau et de la régression linéaire locale. La séance de cours couvre également l'idée d'estimation de la fonction de base, en particulier les splines, et explique comment les moindres carrés pénalisés peuvent être utilisés pour équilibrer la fidélité aux données et la fluidité de la fonction estimée. À travers des exemples et des explications mathématiques, l'instructeur illustre les compromis entre le biais et la variance dans les méthodes de régression non paramétriques.