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

Concept

Analyse discriminante linéaire

Séances de cours associées (31)

Classification binaire linéaire: Perceptron, SGD, Fisher's LDA

Couvre le modèle Perceptron, SGD, et Linear Discriminant de Fisher dans la classification binaire.

Soutenez des machines de vecteur

Introduit des machines vectorielles de support, couvrant la perte de charnière, la séparation hyperplane et la classification non linéaire à l'aide de noyaux.

Algorithmes de classification: approches génératives et discriminatoires Connectez-vous à Mediaspace pour regarder cette vidéo

Explore les algorithmes de classification génératifs et discriminatifs, en mettant l'accent sur leurs applications et leurs différences dans les tâches d'apprentissage automatique.

Apprentissage supervisé : Algorithmes de classification Connectez-vous à Mediaspace pour regarder cette vidéo

Explore l'apprentissage supervisé en économétrie financière, en mettant l'accent sur les algorithmes de classification comme Naive Bayes et la régression logistique.

Classification linéaire : Régression logistique Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre la classification linéaire en utilisant la régression logistique, la régularisation et la classification multiclasse.

Machine Learning pour l'extraction de fonctionnalités Connectez-vous à Mediaspace pour regarder cette vidéo

Explore l'apprentissage automatique pour l'extraction de fonctionnalités, la vision 3D et les réseaux neuronaux en robotique mobile.

Réduction de la dimensionnalité: PCA & LDA Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre PCA et LDA pour la réduction de dimensionnalité, expliquant la maximisation de la variance, les problèmes de vecteurs propres et les avantages de Kernel PCA pour les données non linéaires.

Récapitulation des réseaux neuraux : fonctions d'activation Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les bases des réseaux neuronaux, des fonctions d'activation, de la formation, du traitement d'image, des CNN, de la régularisation et des méthodes de réduction de dimensionnalité.

L'essentiel de l'apprentissage supervisé Connectez-vous à Mediaspace pour regarder cette vidéo

Introduit les bases de l'apprentissage supervisé, en mettant l'accent sur la régression logistique, la classification linéaire et la maximisation de la probabilité.

Régression de la crête du noyau : formules équivalentes et théorème du représentant Connectez-vous à Mediaspace pour regarder cette vidéo

Explore Kernel Ridge Regression, formulations équivalentes, Représenter Theorem, Kernel astuce, et la prédiction avec les noyaux.

Réduction dimensionnelle Connectez-vous à Mediaspace pour regarder cette vidéo

Introduit des réseaux de neurones artificiels et explore diverses techniques de réduction de la dimensionnalité telles que PCA, LDA, Kernel PCA et t-SNE.