Fondements de l'apprentissage automatique : suradaptation et régularisation

Cette séance de cours couvre les concepts de surajustement, de régularisation et de validation croisée dans l'apprentissage automatique. Il explique comment gérer les données non linéaires en utilisant l'ajustement de courbe polynôme et l'expansion de la fonctionnalité. On discute de l'importance de la cartographie dans un espace de dimension supérieure, ainsi que des fonctions du noyau et du théorème Représenter. La séance de cours explore également les voisins k-Nearest, la complexité des modèles et la sélection des modèles par des méthodes de validation croisée.