Algorithmes ML non linéaires

Cette séance de cours couvre les bases des algorithmes non linéaires d'apprentissage des machines, en commençant par un résumé de l'algorithme non linéaire le plus simple et en passant aux méthodes voisines les plus proches et les plus proches. Il traite également de l'ajustement des courbes polynomiales, de l'expansion des caractéristiques, et du concept de complexité du modèle et de surajustement. L'instructeur explique l'importance de la validation croisée dans la sélection du modèle et démontre l'utilisation de la régularisation dans la régression linéaire et la régression logistique. La séance de cours se termine par une discussion sur l'intégration de la régularisation dans le SVM et la recherche de la bonne force de régularisation.