K-Les voisins les plus proches et l'extension de la fonctionnalité

Cette séance de cours couvre la méthode k-Nearest Neighbors, qui classe les données sur la base d'échantillons similaires, et introduit une extension des fonctionnalités pour gérer les données non linéaires en transformant les entrées. Il explique les propriétés, les avantages et les inconvénients de k-Nearest Neighbors, y compris la malédiction de la dimensionnalité et la nécessité d'une bonne représentation des données. La séance de cours traite également de l'ajustement de la courbe polynomiale, du calcul du gradient et de l'utilisation de fonctionnalités étendues dans la formation. Il se termine par une démonstration de l'expansion des caractéristiques polynomiales en utilisant différentes fonctions et l'impact sur la précision de la classification.