Séance de cours

Regroupement: K-means & LDA

Description

Cette séance de cours couvre les concepts de clustering en utilisant K-moyens et Fisher Linear Discriminant Analysis (LDA). Il explique l'intuition derrière PCA, l'objectif de PCA, et comment maximiser la variance. Il se penche également sur l'APC du noyau et fournit des exemples d'applications de l'APC. La séance de cours présente l'algorithme de clustering K-means, ses propriétés et la méthode Elbow pour déterminer le nombre optimal de clusters. En outre, il discute de Fisher LDA, de ses fonctions objectives et de la façon dont il sépare les différentes classes. La séance de cours se termine par un aperçu du regroupement spectral et de la méthode de coupe normalisée.

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.

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.