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

Recherche

Afficher tous les résultats pour

Accueil

Séance de cours

Modèles de choix : Dérivation du modèle Logit

À propos
Confidentialité
Mentions légales

Graph Chatbot

Séances de cours associées (36)

Régression logistique: Partie 1

Introduit la régression logistique pour la classification binaire et explore la classification multiclasse à l'aide des stratégies OvA et OvO.

Horseshoe Crabs: Analyse de régression logistique

Explore l'analyse de régression logistique des données sur le crabe en fer à cheval, en se concentrant sur l'interprétation du rapport de cotes et l'ajustement du modèle.

MLE Applications: Modèles à choix binaire Connectez-vous à Mediaspace pour regarder cette vidéo

Explore l'application de Maximum Likelihood Estimation dans les modèles à choix binaire, couvrant les modèles probit et logit, la représentation des variables latentes et les tests de spécification.

Estimation maximale de la probabilité : théorie Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre la théorie derrière l'estimation maximale de la vraisemblance, en discutant des propriétés et des applications dans le choix binaire et des modèles multiréponses ordonnées.

Réponse binaire : Link Functions Connectez-vous à Mediaspace pour regarder cette vidéo

Explore l'interprétation des réponses binaires, les fonctions de liaison, la régression logistique et la sélection des modèles à l'aide de déviances et de critères d'information.

Régression logistique : interprétation et ingénierie des caractéristiques Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre la régression logistique, l'interprétation probabiliste et les techniques d'ingénierie des caractéristiques.

Régression logistique : Interprétation probabiliste Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre l'interprétation probabiliste de la régression logistique, la régression multinomiale, le KNN, les hyperparamètres et la malédiction de la dimensionnalité.

Théorie de la vraisemblance maximale et applications Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre la théorie de la probabilité maximale, les applications et les principes de test d'hypothèse en économétrie.

Optimisation convexe : Exemples de fonctions convexes Connectez-vous à Mediaspace pour regarder cette vidéo

Explore l'optimisation convexe, les fonctions convexes et leurs propriétés, y compris la convexité stricte et la convexité forte, ainsi que différents types de fonctions convexes comme les fonctions et les normes affines linéaires.

Modèles linéaires généralisés : un bref examen Connectez-vous à Mediaspace pour regarder cette vidéo

Fournit un aperçu des modèles linéaires généralisés, en mettant l'accent sur les modèles de régression logistique et de Poisson, et leur mise en oeuvre dans R.

Modèles linéaires pour la classification: Extensions multi-classes Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les modèles linéaires pour la classification multi-classes, en se concentrant sur la régression logistique et les mesures d'évaluation.

Modèles linéaires: Bases de classification Connectez-vous à Mediaspace pour regarder cette vidéo

Explore des modèles linéaires pour la classification, la régression logistique, SVM, k-NN, et la malédiction de dimensionnalité.

Optimisation des statistiques et de l'apprentissage automatique : estimation maximale de la probabilité Connectez-vous à Mediaspace pour regarder cette vidéo

Explore l'estimation maximale de vraisemblance, les modèles linéaires, la régression logistique et les machines vectorielles de support.

Machines vectorielles de soutien: bases et applications Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les bases des machines vectorielles de support, de la régression logistique, des limites de décision et de l'algorithme k-Nearest Neighbors.

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

Couvre les bases de la régression linéaire, des variables instrumentales, de l'hétéroscédasticité, de l'autocorrélation et de l'estimation du maximum de vraisemblance.

Machine Learning non linéaire : les voisins les plus proches et l’expansion des fonctionnalités Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre la transition des modèles linéaires aux modèles non linéaires, en se concentrant sur k-NN et les techniques d'expansion des caractéristiques.

Page 2 sur 2