Séance de cours
Machine Learning : Fonctionnalités et sélection de modèles
Séances de cours associées (59)
Paysage et généralisation dans l'apprentissage profond
Explore les défis et les points de vue de l'apprentissage profond, en mettant l'accent sur le paysage des pertes, la généralisation et l'apprentissage caractéristique.
Arbres de décision: Induction et attributs
Explore les arbres de décision, la sélection des attributs, le compromis biais-variance et les méthodes d'ensemble dans l'apprentissage automatique.
Arbres de décision: Classification
Explore les arbres de décision pour la classification, l'entropie, le gain d'information, l'encodage à chaud, l'optimisation de l'hyperparamètre et les forêts aléatoires.
L'apprentissage automatique efficace grâce à la synthèse des données
Explore l'apprentissage automatique efficace par la synthèse des données, couvrant les défis, les méthodes et les applications impactées dans divers domaines.
Introduction à l'apprentissage automatique : apprentissage supervisé
Introduit l'apprentissage supervisé, couvrant la classification, la régression, l'optimisation des modèles, le surajustement, et les méthodes du noyau.
Ingénierie des caractéristiques: Régression polynomiale
Couvre en fonction de la régression linéaire sur les caractéristiques des prédicteurs d'origine pour la représentation flexible des caractéristiques.
Applied Machine Learning: Caractéristiques et Modèles
Explore la collecte de données, la sélection des caractéristiques, la construction de modèles et l'évaluation des performances dans l'apprentissage automatique, en mettant l'accent sur l'ingénierie des caractéristiques et la sélection des modèles.
Régression linéaire généralisée : classification
Explorer la régression linéaire généralisée, la classification, les matrices de confusion, les courbes ROC et le bruit dans les données.
Transformations des intrants ou des extrants
Couvre le traitement des données manquantes, l'ingénierie des fonctionnalités et les transformations de sortie dans l'apprentissage automatique.
Régression polynomiale : vue d'ensemble
Couvre la régression polynomiale, l'impact de flexibilité, et le sous-ajustement contre le surajustement.