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

Concept

Least absolute deviations

Séances de cours associées (30)

Analyse statistique : dispersion et valeurs normales

Explore la dispersion statistique et son impact sur la détermination des valeurs normales et l'analyse des données.

Régression linéaire : Inférence statistique et régularisation

Couvre le modèle probabiliste de régression linéaire et l'importance des techniques de régularisation.

Valeurs absolues : Équations et inégalités

Explore les valeurs absolues dans les équations et les inégalités, en se concentrant sur la résolution de l'équation f(x)=g(x).

Exemples de modèles de décision pour l'apprentissage supervisé

Couvre des exemples de modèles de décision pour lapprentissage supervisé, y compris la régression, la classification, les paires de classement et le décodage de séquence pour les modèles OCR.

Attributs thématiques et classification

Couvre la cartographie thématique statistique, les types de cartes, les méthodes de discrétisation et les symboles proportionnels dans les cartes.

Sélection de modèles dans les statistiques

Explorer la sélection des modèles dans les statistiques, discuter des principes, des modèles probabilistes, de l'évaluation des caractéristiques et des méthodes de visualisation des données.

Analyse de régression des moindres carrés ordinaires

Couvre les moindres carrés ordinaires Analyse de régression et restrictions du modèle de régression.

Moins-quares récursifs : Formulation pondérée

Couvre l'algorithme Recursive des moins-quaires avec une formulation pondérée pour la mise à jour des données en temps réel.

Lagrange Multiplicateurs: Extremum Points

Explique les multiplicateurs de Lagrange pour les points extremum et les multiples méthodes d'intégration pour les calculs de volume et de surface.

Grandes déviations: théorie et applications

Plonge dans de grandes déviations en mécanique statistique, explorant le théorème de Kramer, le lemme de Varadhan et la méthode de Laplace.

Régression pondérée géographiquement

Introduit la régression pondérée géographique (RGO) pour explorer la non-stationarité spatiale dans les relations variables.

Les bases de la régression linéaire : la perspective ERM

Introduit des bases de régression linéaire du point de vue de la minimisation empirique des risques, couvrant la perte carrée, le prétraitement des données et le calcul du gradient.

Régularisation L1 : Solutions sparmées et réduction de dimensionnalité

Déplacez-vous dans la régularisation L1, les solutions éparses et la réduction de dimensionnalité dans le contexte de l'apprentissage automatique.

Récursivité : comprendre les fonctions récursives

Explore la récursion, les points de fixation et les procédures en profondeur, en mettant l'accent sur la compréhension des fonctions récursives.

Sans titre

Filtre Wiener: Dénoisement adaptatif Connectez-vous à Mediaspace pour regarder cette vidéo

Explore le filtre Wiener pour l'estimation des signaux et la dénigrement adaptatif dans des scénarios avec des propriétés non changeantes et des contraintes en temps réel.

Fondements de l'apprentissage automatique : Découverte de la structure, classification, régression Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les concepts fondamentaux d'apprentissage automatique, y compris la découverte de la structure, la classification et la régression.

Régression linéaire : Fondements et applications Connectez-vous à Mediaspace pour regarder cette vidéo

Explore les fondamentaux de la régression linéaire, la formation des modèles, l'évaluation et les mesures du rendement, en soulignant l'importance de la R2, du MSE et de l'EAM.

Les moindres carrés récursifs Connectez-vous à Mediaspace pour regarder cette vidéo

Explique l'algorithme Recursive des moindres carrés pour la mise à jour des estimations des paramètres dans les modèles de régression linéaire.

Inférence : Régression de Poisson Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les moindres carrés pondérés itératifs, la vérification du modèle, la régression de Poisson et lajustement des modèles multinomiels en utilisant les erreurs de Poisson.