Apprentissage supervisé: Méthodes de régression

Cette séance de cours couvre l'apprentissage supervisé axé sur les méthodes de régression. Il commence par la régression linéaire, l'ajustement du modèle et les questions numériques. Ensuite, il se décline en sélection de modèles, évaluation des performances et techniques de régularisation comme la régression des crêtes et Lasso. La séance de cours traite également de la sélection de sous-ensembles, de la validation croisée et du compromis entre les variables biaisées. En outre, il explore les arbres de régression, les forêts aléatoires, stimulant, et leurs applications dans la modélisation prédictive.