Séance de cours
Méthode hédoniste : Économie immobilière I
Séances de cours associées (34)
Apprentissage supervisé : Régression linéaire
Couvre l'apprentissage supervisé en mettant l'accent sur la régression linéaire, y compris des sujets comme la classification numérique, la détection des pourriels et la prédiction de la vitesse du vent.
Régression logistique : prédiction de la végétation
Explore la régression logistique pour prédire les proportions de la végétation dans la région amazonienne grâce à l'analyse des données de télédétection.
Régression du noyau : Moyenne pondérée et cartes des caractéristiques
Couvre la régression du noyau et les cartes de caractéristiques pour la séparabilité des données.
Modélisation de données : régression
Introduit la modélisation fondée sur les données en mettant l'accent sur la régression, couvrant la régression linéaire, les risques de raisonnement inductif, l'APC et la régression des crêtes.
Analyse de régression : Désengagement des données
Couvre l'analyse de régression pour les données de désassemblage à l'aide de la modélisation de régression linéaire, des transformations, des interprétations des coefficients et des modèles linéaires généralisés.
Modèles probabilistes pour la régression linéaire
Couvre le modèle probabiliste de régression linéaire et ses applications dans la résonance magnétique nucléaire et l'imagerie par rayons X.
Régression linéaire : Inférence moyenne-carré-erreur
Couvre le problème du MSE dans les modèles de régression linéaire, en mettant l'accent sur les méthodes optimales d'estimateur et de fusion des données.
Régression linéaire : Inférence statistique et régularisation
Couvre le modèle probabiliste de régression linéaire et l'importance des techniques de régularisation.
Régression logistique : fonctions de coût et optimisation
Explore la régression logistique, les fonctions de coût, la descente en gradient et la modélisation de probabilité à l'aide de la fonction sigmoïde logistique.
Analyse de régression linéaire
Introduit une analyse de régression linéaire, couvrant la construction du modèle, les prédicteurs, les coefficients et linterprétation des résultats.