Séance de cours

Évaluation et sélection du modèle

Description

Cette séance de cours porte sur l'importance de l'évaluation des modèles et de la sélection dans l'apprentissage automatique, en soulignant la nécessité d'estimer avec précision l'erreur de généralisation. Les sujets abordés comprennent l'utilisation d'ensembles de données de formation, de validation et d'essai, le concept de validation croisée et les méthodes de sélection des variables. L'instructeur discute des écueils du surajustement et de l'importance de séparer les ensembles de données d'entraînement et d'essai pour éviter une évaluation biaisée des modèles.

Cette vidéo est disponible exclusivement sur Mediaspace pour un public restreint. Veuillez vous connecter à Mediaspace pour y accéder si vous disposez des autorisations nécessaires.

Regarder sur Mediaspace
Enseignant
velit ad mollit
Eiusmod occaecat aute ea consectetur culpa laborum cupidatat do. Laboris proident culpa officia quis magna eu ut in. Excepteur consectetur consectetur eiusmod qui ad voluptate officia. Velit aliquip labore elit nulla cillum Lorem pariatur sint ullamco elit Lorem tempor.
Connectez-vous pour voir cette section
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.
Séances de cours associées (33)
Critères de sélection du modèle : AIC, BIC, Cp
Explore les critères de sélection des modèles comme l'AIC, le BIC et le Cp en statistique pour la science des données.
Essais de spécifications et apprentissage automatique
Explore les tests de spécification, l'apprentissage automatique, le surajustement, la régularisation, les tests de prédiction et la sélection de variables.
Régression de LASSO : Induction de signal sparsé
Explore la régression LASSO pour induire la sparsité dans les signaux par descente en gradient.
Méthodes de sélection des variables : Approches par sous-ensemble ou par conteneur
Explore les méthodes de sélection de variables dans l'apprentissage automatique, y compris les approches de sous-ensemble et de conteneur, en utilisant des procédures exhaustives et gourmandes.
Apprentissage supervisé: Méthodes de régression
Explore l'apprentissage supervisé en mettant l'accent sur les méthodes de régression, y compris l'ajustement des modèles, la régularisation, la sélection des modèles et l'évaluation du rendement.
Afficher plus

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.