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 le concept de régression LASSO, en mettant l'accent sur l'induction de la sparsité dans les signaux par la minimisation de la fonction de perte LASSO. L'instructeur explique les hypothèses sur le bruit, le processus de régression clairsemée et l'importance de la sélection des variables dans la détection comprimée. La séance de cours s'inscrit dans la méthode de descente par gradient utilisée pour minimiser la perte de LASSO, en mettant l'accent sur la nature itérative du processus et les critères de convergence.