Séance de cours
Apprentissage supervisé: Méthodes de régression
Séances de cours associées (350)
Ingénierie des caractéristiques: Régression polynomiale
Couvre en fonction de la régression linéaire sur les caractéristiques des prédicteurs d'origine pour la représentation flexible des caractéristiques.
Régression du noyau : Moyenne pondérée et cartes des caractéristiques
Couvre la régression du noyau et les cartes de caractéristiques pour la séparabilité des données.
Régression linéaire : bases et estimation
Couvre les bases de la régression linéaire et la façon de résoudre les problèmes d'estimation en utilisant les moindres carrés et la notation matricielle.
Apprentissage supervisé : Maximisation des probabilités
Couvre l'apprentissage supervisé par la maximisation de la probabilité pour trouver les paramètres optimaux.
Régression linéaire : basiques et descente progressive
Couvre les bases de la régression linéaire, y compris l'ingénierie des caractéristiques, l'apprentissage supervisé ou non supervisé, et minimise la fonction de coût.
Apprentissage supervisé : Algorithmes de classification
Explore l'apprentissage supervisé en économétrie financière, en mettant l'accent sur les algorithmes de classification comme Naive Bayes et la régression logistique.
Régression linéaire : Fondements
Couvre les bases de la régression linéaire, de la classification binaire et multiclasse, et des mesures d'évaluation.
Principes fondamentaux de l'apprentissage supervisé
Présente les principes fondamentaux de l'apprentissage supervisé, y compris les fonctions de perte et les distributions de probabilité.
Régression logistique : Fondements et applications
Explore les fondamentaux de régression logistique, y compris les fonctions de coût, la régularisation et les limites de classification, avec des exemples pratiques utilisant scikit-learn.
Introduction à l'apprentissage automatique: modèles linéaires
Introduit des modèles linéaires pour l'apprentissage supervisé, couvrant le suréquipement, la régularisation et les noyaux, avec des applications dans les tâches d'apprentissage automatique.