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 présente les prédicteurs de moyenne locaux, y compris les voisins les plus proches K, les méthodes basées sur l'histogramme et les prédicteurs Nadaraya-Watson. Il couvre les propriétés des prédicteurs de moyenne locaux, le cadre général de la minimisation empirique du risque local et la régression linéaire locale (LOWESS). Les diapositives expliquent le principe des méthodes de moyenne locales, les différents types de méthodes de moyenne locales, les noyaux de convolution et les estimateurs de Nadaraya-Watson. Il discute également de l'estimation de la vitesse des étoiles avec KNN, des commentaires sur les méthodes de moyenne locales, de la minimisation empirique du risque local et de la gestion des risques quadratique locale. La séance de cours se termine par une régression linéaire locale, ses applications et des généralisations à la régression polynomiale et spline locale.