Régularisation optimale de la force et des courbes d'apprentissage

Cette séance de cours fournit des commentaires sur les devoirs 1, en se concentrant sur le chargement des ensembles de données, la compréhension des dimensions et la division des données en ensembles de formation, de test et de validation. L'instructeur explique l'importance d'extrapoler des informations à partir de jeux de données et l'importance de la normalisation des données. La séance de cours couvre les courbes d'apprentissage, les erreurs de test et l'impact de la régularisation sur les surajustements. Les étudiants sont guidés sur le calcul de la force de régularisation optimale et l'interprétation des chemins de régularisation. Les différences entre la régularisation L1 et L2 sont discutées, en mettant l'accent sur la sélection des fonctionnalités et l'effet sur les erreurs de test avec différentes tailles de jeu d'entraînement.