Séance de cours

Classeurs Max-Margin

Dans cours
DEMO: occaecat ullamco
Sunt aute duis esse quis labore ut nulla aute do exercitation aliqua consectetur. Sit laboris id incididunt pariatur laborum eu proident do duis labore do reprehenderit amet. Ipsum minim est duis minim sunt nisi culpa est do nulla elit labore elit velit.
Connectez-vous pour voir cette section
Description

Cette séance de cours couvre le concept de marge dans les limites de décision, l'importance de la maximiser pour une meilleure classification, et la formulation de classificateurs de marge maximale en utilisant des distances et des hyperplans signés. Il traite également des machines vectorielles de support linéaires, du problème d'optimisation impliqué et de l'introduction de variables slack pour gérer les classes qui se chevauchent. L'instructeur explique la formulation améliorée du problème avec un paramètre C constant, l'importance de choisir la bonne valeur C et les implications des formulations naïves. La séance de cours se termine par une comparaison des différentes techniques de classification et la nécessité d'une validation croisée dans le choix du paramètre C optimal.

Enseignant
sint eiusmod id sunt
In eu culpa sit consequat cillum esse nostrud et adipisicing aliqua in. Minim eu velit cillum ex. Adipisicing do exercitation eiusmod ipsum. Amet est nulla aliquip commodo veniam dolore veniam dolor commodo esse officia anim ex deserunt. Aliqua adipisicing duis qui sit deserunt voluptate adipisicing eiusmod consequat deserunt fugiat sit magna laborum. Elit nisi velit ut ex duis deserunt ut in 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 (44)
Modèles linéaires pour la classification
Couvre les modèles linéaires pour la classification, y compris la MVS, les limites de décision, les vecteurs de support et la dualité de Lagrange.
Modèles linéaires: Bases de classification
Explore des modèles linéaires pour la classification, la régression logistique, SVM, k-NN, et la malédiction de dimensionnalité.
Modèles linéaires pour la classification
Explore les modèles linéaires pour la classification, y compris les modèles paramétriques, la régression et la régression logistique, ainsi que les mesures d'évaluation des modèles et les classificateurs de marge maximum.
Modèles linéaires pour la classification
Explore les modèles linéaires, la régression logistique, les métriques de classification, la MVS et leur utilisation pratique dans les méthodes de science des données.
Machines vectorielles de soutien: bases et applications
Couvre les bases des machines vectorielles de support, de la régression logistique, des limites de décision et de l'algorithme k-Nearest Neighbors.
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.