Séance de cours
Perceptron: Partie 2
Description
Cette séance de cours couvre l'algorithme Perceptron, l'une des premières solutions itératives pour les problèmes de classification binaire. Il traite de la séparabilité linéaire, des propriétés de convergence et des limites de l'algorithme. La séance de cours introduit également l'algorithme Pocket Perceptron, qui améliore le comportement de Perceptron pour les données non linéairement séparables en gardant une trace du meilleur poids itéré. Des exemples utilisant des données sur les maladies cardiaques démontrent l'application de Perceptron et de Pocket Perceptron, montrant des taux d'erreurs empiriques pour les vecteurs de caractéristiques réduits et entièrement dimensionnels.
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.