Méthodes d'extraction et de regroupement de fonctionnalités

Cette séance de cours présente les méthodes d'extraction, de regroupement et de classification des fonctionnalités dans le contexte d'un mini-projet. Il couvre des sujets tels que la réduction de dimensionnalité, l'analyse en composantes principales (PCA), la transformation en ondelettes, l'intégration stochastique de voisins distribuée en t (t-SNE), le regroupement de k-moyennes, le modèle de mélange gaussien (GMM) et la transformation de bassin versant. L'instructeur discute de l'application de ces techniques à des ensembles de données de grande dimension, de l'analyse des données neuronales et comportementales et de la combinaison de la réduction de la dimensionnalité avec le regroupement pour l'analyse comportementale. Divers algorithmes de classification tels que les arbres de décision, les forêts aléatoires, les Bayes naïfs et les machines vectorielles de support (SVM) sont également expliqués, ainsi que des mesures d'évaluation des performances et des bibliothèques d'apprentissage automatique en Python.