EPFL Logo
fr|en
Se Connecter
Séance de cours

Représentation des données : BoW et données déséquilibrées

Dans cours
DEMO: enim tempor reprehenderit ut
Sint dolore do proident dolore eiusmod aute. Id eiusmod nisi ex magna reprehenderit laboris nisi pariatur deserunt dolor. Ipsum sunt enim ex voluptate. Pariatur ad sunt irure culpa. Ipsum dolore proident id quis.
Connectez-vous pour voir cette section
Description

Cette séance de cours couvre les concepts de sur-ajustement vs sous-ajustement, la sélection du modèle, la méthode de l'ensemble de validation, LOOCV, k-fold validation croisée, pénalisant sur-ajustement, régularisé régression linéaire, kernel ridge régression, et de trouver la force de régularisation droit. Il traite également de la représentation des données, de la normalisation des données, des données manquantes, des données bruyantes, des méthodes de nettoyage et des défis posés par les données déséquilibrées dans le machine learning.

Connectez-vous pour regarder la vidéo
Enseignant
magna reprehenderit
Commodo qui aliqua ex culpa sint magna veniam aliquip duis duis consectetur deserunt eiusmod laboris. Irure consectetur ullamco culpa anim deserunt ut id aliqua sint. Veniam laboris deserunt eu fugiat cillum quis nostrud deserunt laborum. Dolore labore et dolore deserunt pariatur. Qui nostrud enim ut laboris. Ad laboris laborum consequat id nostrud ad ut ea ullamco proident sint irure.
Connectez-vous pour voir cette section
Source officielle
À propos de ce résultat
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.
Proximité ontologique
Statistique
Séances de cours associées (49)
Analyse des documents : Modélisation des sujets
Explore l'analyse documentaire, la modélisation thématique et les modèles génériques pour la production de données dans l'apprentissage automatique.
Représentations et traitement des données
Explore les représentations de données, le surajustement, la sélection des modèles, la validation croisée et les défis de données déséquilibrés.
Représentations et traitement des données
Discute du surajustement, de la sélection des modèles, de la validation croisée, de la régularisation, des représentations de données et de la gestion des données déséquilibrées dans l'apprentissage automatique.
Représentations et traitement des données
Explore les représentations de données, le surajustement, la sélection de modèles, le sac de mots et l'apprentissage avec des données déséquilibrées.
Méthodes de noyau: Machine Learning
Couvre les méthodes du noyau dans l'apprentissage automatique, en se concentrant sur le surajustement, la sélection du modèle, la validation croisée, la régularisation, les fonctions du noyau et la SVM.
Afficher plus

Copyright © 2025 EPFL, tous droits réservés

Graph Chatbot

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.