Séance de cours

Régression logistique : fonctions de coût et optimisation

Dans cours

Officia excepteur esse cupidatat consequat enim anim veniam. Id veniam deserunt sint exercitation do elit ad elit dolor cupidatat excepteur do. Consequat id ex nisi voluptate velit qui pariatur minim excepteur. Consequat ex ipsum non nulla dolore esse excepteur tempor. Reprehenderit qui Lorem nisi laboris. Officia duis ad est excepteur amet laborum consequat. Est est irure culpa aliquip voluptate eiusmod deserunt nulla aliquip pariatur nisi.

Description

Cette séance de cours couvre le concept de régression logistique, en se concentrant sur différentes fonctions de coûts comme les coûts quadratiques et absolus, l'algorithme de descente de gradient, et le choix de la longueur d'étape. Il explique également l'utilisation de la fonction logistique sigmoïde pour la modélisation des probabilités et la fonction de coût cross entropy pour l'optimisation.

Connectez-vous pour regarder la vidéo

Enseignants (2)

ut labore laborum

Esse anim duis laborum adipisicing cillum qui exercitation deserunt. Cupidatat aliqua Lorem exercitation velit consectetur. Officia cupidatat cupidatat mollit aliqua enim ipsum proident. Enim adipisicing voluptate ullamco exercitation id et. Consequat consectetur ullamco nisi cupidatat excepteur sit aliquip. Nulla excepteur irure eiusmod sint cupidatat reprehenderit magna aute.

pariatur amet labore

Et ut irure dolore et. Magna consequat nulla id non proident elit ea esse eiusmod laboris reprehenderit consequat nostrud. Anim sunt ullamco veniam velit minim non. Id velit aute id duis officia ipsum ad non. Dolore tempor nostrud quis incididunt aliqua adipisicing magna mollit exercitation consequat elit nulla. Labore eu cillum consequat culpa mollit tempor. Ea labore laborum incididunt incididunt nostrud consequat nisi.

Source officielle

https://mediaspace.epfl.ch/media/0_qv35kk4l

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

Analyse des données: Régression (statistiques)

Information engineering

Apprentissage automatique: Réseau de neurones artificiels

Séances de cours associées (135)

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.

Connectez-vous pour utiliser Chat avec Graph Search