Régression du processus gaussien : amandes et comparaisons

Cette séance de cours couvre la régression du processus gaussien (GPR) axée sur les fonctions du noyau, y compris les noyaux linéaires et RBF, et leur impact sur le coût de calcul et la performance du modèle. Il compare également GPR avec Ridge Regression, mettant en évidence les similarités dans les expressions régressives non linéaires. L'instructeur discute de l'effet de la largeur du noyau et de l'ordre polynôme sur les résultats du GPR, ainsi que de l'utilisation de noyaux non stationnaires pour saisir les variations locales de la densité des données. La séance de cours se termine par une comparaison des techniques de régression non linéaires telles que SVR, RVR et GPR, mettant l'accent sur les différences dans la complexité des algorithmes, l'estimation des hyperparamètres et les coûts de calcul.