Modèles linéaires pour la classification

Cette séance de cours couvre les modèles linéaires de classification, en commençant par un récapitulatif sur les modèles paramétriques simples et les hyperplans. Il se penche sur la régression linéaire, la classification binaire, l'ajout de non-linéarité, la régression logistique et l'évaluation des classificateurs. L'instructeur explique le concept de marge entre les classes, la formulation pour un classificateur de marge maximale (SVM) et les notions de base de l'optimisation contrainte. La séance de cours aborde également les limites de la décision, les vecteurs de soutien et la formulation de la SVM. Un intermède sur l'optimisation contrainte et la dualité de Lagrange est inclus, suivi par la dérivation du problème dual de Lagrange. L'utilisation de variables slack dans SVM est discutée, ainsi que le Lagrangien et les valeurs optimales. La séance de cours se termine par une comparaison de modèles linéaires pour la classification.