Apprentissage sans supervision: PCA & K-means

Cette séance de cours porte sur des techniques d'apprentissage non supervisées telles que l'analyse des composantes principales (APC) pour la réduction de dimensionnalité et les moyennes K pour le regroupement des données. Il explique comment PCA crée de nouvelles fonctionnalités en tant que combinaison linéaire de fonctionnalités originales et comment K-moyenne les points de données en grappes. La séance de cours aborde également d'autres techniques de réduction de dimensionnalité telles que l'analyse discriminante linéaire (LDA) et l'analyse discriminante généralisée (GDA). Des conseils pratiques pour la mise en œuvre de l'APC et la formulation de problèmes d'optimisation sont discutés, ainsi que l'importance des matrices de covariance dans l'analyse des données.