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 d'expansion des fonctionnalités, les noyaux, et les voisins K-nearest (KNN). Il commence par une récapitulation de modèles linéaires et de prédictions multi-sorties, puis se transforme en non-linéarité, interprétation probabiliste et traitement de classes multiples. La séance de cours explique les limites de décision, les machines vectorielles de soutien (SVM) et les classes de manipulation qui se chevauchent. Il introduit l'ajustement des courbes polynômes, l'expansion des caractéristiques et les noyaux polynômes. L'instructeur discute des fonctions du noyau, des noyaux Gaussiens et de l'astuce du noyau. La séance de cours couvre également la régression du noyau, le théorème Représenter et la kermalisation d'algorithmes comme SVM. Il se termine par des démonstrations de régression du noyau et de KNN pour la classification et la régression.