Classification: Fondements et algorithmes

Cette séance de cours couvre les principes fondamentaux de la classification dans l'apprentissage automatique, en commençant par la définition et l'objectif de la classification. Il explique la classification binaire et multi-classes, les limites de décision linéaire, l'algorithme k-Nearest Neighbor, et le concept de marge dans la séparation des hyperplans. La séance de cours se penche également sur le classificateur de Bayes, la minimisation empirique des risques et l'importance des fonctions de perte dans la classification. En outre, il examine la relation entre la régression et la classification, l'impact de la surparamétrie sur les fonctions de perte et les différents types de pertes pour les tâches de classification.