Séance de cours

Optimisation dans l'apprentissage automatique: Gradient Descent

Description

Cette séance de cours introduit l'optimisation dans l'apprentissage automatique, en mettant l'accent sur la descente en gradient. Il couvre la solution analytique pour la régression linéaire, l'absence de solutions analytiques pour la régression logistique et l'utilisation d'optimiseurs spécialisés. Le concept de convexité, de descente stochastique en gradient et d'arrêt précoce sont expliqués. Des considérations pratiques telles que le choix d'un bon taux d'apprentissage et le prétraitement des données sont discutées. La séance de cours se penche également sur la résolution du problème XOR sans ingénierie des fonctionnalités en utilisant la régression logistique et les réseaux neuraux.

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.

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.