Passer au contenu principal

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

Graph
Search

Recherche

Afficher tous les résultats pour

Accueil

Cours

MATH-412: Statistical machine learning

À propos
Confidentialité
Mentions légales

Graph Chatbot

Séances de ce cours (49)

Preuve d'écarts de processus empiriques

Couvre la preuve des limites sur les écarts de processus empiriques, en se concentrant sur les dérivations mathématiques et les inégalités.

Application de l'apprentissage lié à la régression du noyau

Discute de l'application du théorème principal à la régression des moindres carrés dans une RKHS, en se concentrant sur LR de la borne de Rademacher et la constante de Lipschitz.

Résumé des résultats pour la régression linéaire

Résume le résultat pour la régression linéaire et introduit la dimension et la fonction de croissance de Vapnik-Chervonenkis.

Dimension de Vapnik-Chervonenkis

Couvre les limites d'apprentissage, les complexités, la fonction de croissance, l'éclatement et la dimension VC dans les classificateurs binaires.

Surajustement: symptômes et caractéristiques

Explore le surajustement dans la régression polynomiale, en soulignant l'importance de la généralisation dans l'apprentissage automatique et les statistiques.

Régularisation : Tikhonov et Ridge

Explore la régularisation de Tikhonov, également connue sous le nom de régression de crête, et son application à la régression polynomiale.

Complexité : approximation-estimation

Explore le contrôle de la complexité dans les espaces dhypothèses et le compromis entre lapproximation et lestimation dans la décomposition du risque.

Autres régularisations + le Lasso

Explore diverses approches de régularisation, y compris la quasi-norme L0 et la méthode Lasso, en discutant de la sélection des variables et des algorithmes efficaces pour l'optimisation.

Géométrie du Lasso

Explore l'explication géométrique des raisons pour lesquelles les solutions Lasso sont rares et comment les coefficients changent avec le paramètre de régularisation.

Page 3 sur 3