Gaussian Naive Bayes & K-NN

Cette séance de cours couvre les sujets de Gaussiens Naive Bayes et K-voisins les plus proches (K-NN). L'instructeur commence par discuter des commentaires des élèves et de l'importance des améliorations axées sur les données. La séance de cours se penche sur la technique de classification probabiliste de Naïve Bayes, expliquant la probabilité antérieure et les modèles génératifs. Le concept d'indépendance conditionnelle est introduit, ainsi que la mise en œuvre de Gaussian Naive Bayes. L'instructeur explique également l'algorithme K-NN, en soulignant l'importance de choisir la bonne valeur pour K et la métrique de distance. La séance de cours se termine par des aperçus sur les défis des données de grande dimension et les considérations pour l'accord hyperparamétrique.