Séance de cours

Régression non paramétrique : estimation basée sur le noyau

Description

Cette séance de cours introduit la régression non paramétrique, où la relation linéaire traditionnelle entre les covariables et la variable de réponse est remplacée par une fonction générale. L'approche est non paramétrique, nécessitant un nombre infini de paramètres pour décrire la fonction de régression. La séance de cours porte sur les techniques de lissage du noyau, la régression interceptée locale et la régression polynôme locale. Différentes fonctions du noyau et la sélection de la bande passante sont discutées afin d'assurer une estimation fluide et précise de la fonction de régression. Le choix du degré polynôme dans la régression polynôme locale est également exploré, mettant en évidence l'équilibre entre la complexité du modèle et le surajustement. Des exemples pratiques et des problèmes d'optimisation sont présentés pour illustrer les concepts.

Cette vidéo est disponible exclusivement sur Mediaspace pour un public restreint. Veuillez vous connecter à Mediaspace pour y accéder si vous disposez des autorisations nécessaires.

Regarder sur Mediaspace
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 (49)
Régression du noyau : Moyenne pondérée et cartes des caractéristiques
Couvre la régression du noyau et les cartes de caractéristiques pour la séparabilité des données.
Flexibilité des modèles et de l'échange de devises
S'insère dans le compromis entre la flexibilité du modèle et la variation des biais dans la décomposition des erreurs, la régression polynomiale, le KNN, et la malédiction de la dimensionnalité.
Régression non paramétrique: Techniques de lissage
Explore les techniques de régression non paramétrique, y compris les splines, le compromis entre les variables de biais, les fonctions orthogonales, les ondulations et les estimateurs de modulation.
Modèles probabilistes pour la régression linéaire
Couvre le modèle probabiliste de régression linéaire et ses applications dans la résonance magnétique nucléaire et l'imagerie par rayons X.
Régression linéaire : Inférence statistique et régularisation
Couvre le modèle probabiliste de régression linéaire et l'importance des techniques de régularisation.
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.