Mediaspace scheduled maintenance: Aug 25, 2026 07:00 - 12:00 AM. During this time, videos will be temporarily unavailable. Check status updates.

Concept

Forêt d'arbres décisionnels

Séances de cours associées (32)

Ensachage et forêts aléatoires

Couvre l'ensemblage, l'ensachage, les forêts aléatoires, l'importance variable et la validation croisée OOB dans l'apprentissage automatique.

Apprentissage supervisé : arbre k-NN et arbre de décision

Introduit l'apprentissage supervisé avec k-NN et les arbres de décision, couvrant les techniques, les exemples et les méthodes d'ensemble.

Arbres de décision et CLT: Inférence et apprentissage automatique

Explore les arbres de décision, les ensembles, le CLT, l'inférence, l'apprentissage automatique, les méthodes de diagnostic, l'augmentation et l'estimation de la variance.

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.

Effets d'isotope cinétique et relations linéaires d'énergie libre

Explore les effets isotopiques cinétiques et les relations linéaires d'énergie libre, en introduisant des méthodes d'apprentissage automatique pour les applications chimiques.

Forêts décisionnelles : structure et formation

Couvre les forêts de décision, la formation, les apprenants faibles, l'entropie, la stimulation, l'estimation de pose 3D et les applications pratiques.

Bases d'apprentissage automatique : Apprentissage supervisé et non supervisé

Couvre les bases de l'apprentissage automatique, l'apprentissage supervisé et non supervisé, diverses techniques comme les voisins k-nearest et les arbres de décision, et les défis de l'ajustement excessif.

Aborder le suréquipement dans les arbres de décision

Explore le surajustement dans les arbres de décision et introduit des forêts aléatoires comme solution.

Apprendre avec les réseaux neuronaux profonds

Explore le succès et les défis de l'apprentissage profond, y compris le suréquipement, la généralisation et l'impact sur divers domaines.

Apprentissage automatique avancé : booster

Couvre les apprenants faibles dans la stimulation, l'algorithme AdaBoost, les inconvénients, les apprenants faibles simples, les variantes de stimulation et les ondelettes Viola-Jones Haar-Like.

L'essentiel de la science des données : Python, Numpy, Pandas et Scikit-learn

Couvre l'essentiel de Data Science en utilisant Python, Numpy, Pandas et Scikit-learn, y compris l'analyse et la classification des séquences d'ADN.

Apprentissage supervisé non linéaire

Explore le biais inductif de différentes méthodes d'apprentissage supervisé non linéaires et les défis de l'accordage hyperparamétrique.

Classeurs randomisés dans l'avion ROC

Explore comment les classificateurs randomisés réalisent des combinaisons convexes dans le plan ROC.

Machine Learning for Solving PDEs: Méthode de caractéristiques aléatoires

Explore la méthode de fonction aléatoire pour résoudre les PDE à l'aide d'algorithmes d'apprentissage automatique pour approximer efficacement les fonctions à haute dimension.

Arbres de décision: Classification Connectez-vous à Mediaspace pour regarder cette vidéo

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.

Arbres de décision et forêts aléatoires: concepts et applications Connectez-vous à Mediaspace pour regarder cette vidéo

Discute des arbres de décision et des forêts aléatoires, en se concentrant sur leur structure, leur optimisation et leur application dans les tâches de régression et de classification.

Arbres de décision: Classification Connectez-vous à Mediaspace pour regarder cette vidéo

Introduit des arbres de décision pour la classification, couvrant l'entropie, la qualité fractionnée, l'indice Gini, les avantages, les inconvénients, et le classificateur forestier aléatoire.

Méthodes de l'ensemble : Forêts aléatoires Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les méthodes d'ensemble comme les forêts aléatoires et les baies de Naive de Gaussian, expliquant comment elles améliorent la précision de prédiction et estimer les distributions gaussiennes conditionnelles.

Cartographie de l'utilisation des terres dans les Alpes Connectez-vous à Mediaspace pour regarder cette vidéo

Explore l'impact de l'imperméabilisation des sols, les statistiques d'utilisation des terres, la segmentation des images et la classification aléatoire des forêts pour une gestion durable des terres.

Applications de télédétection chez MeteoSwiss Connectez-vous à Mediaspace pour regarder cette vidéo

Explore les applications de télédétection à MeteoSwiss, y compris les défis du réseau radar et l'estimation quantitative des précipitations.