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 méthodes de sélection variables en apprentissage automatique, en se concentrant sur les techniques de filtrage et de corrélation. Le filtrage consiste à appliquer un critère, tel que la corrélation avec le label, pour quantifier la pertinence des variables. Les méthodes de corrélation, comme le coefficient de corrélation de Pearson, mesurent la relation entre les variables et l'étiquette. La séance de cours traite également du coefficient de détermination et de l'information mutuelle en tant qu'outils d'évaluation de la pertinence et de la dépendance variables. Les limites des méthodes de filtrage, telles que le traitement des interactions variables, sont mises en évidence. De plus, l'importance de diviser les données en ensembles de formation, de validation et de test pour l'évaluation des modèles est expliquée.