Erreur de généralisation dans l'apprentissage avec des fonctionnalités aléatoires

Cette séance de cours se penche sur l'analyse de l'erreur de généralisation dans la théorie de l'apprentissage, en se concentrant sur les données structurées et les architectures complexes. L'instructeur explique le modèle de collecteur caché et l'utilisation de caractéristiques aléatoires dans la régression et la classification de grande dimension. La séance de cours présente une dérivation détaillée de l'expression d'erreur de généralisation à l'aide de la méthode de réplique de la physique statistique, en présentant son application à divers scénarios, y compris le comportement de double descente intrigant observé dans l'apprentissage automatique moderne.