Modèles linéaires: Partie 1

Cette séance de cours présente des modèles linéaires, en commençant par un récapitulatif des attributs des données et un aperçu des algorithmes d'apprentissage supervisés et non supervisés. Il couvre des modèles paramétriques simples comme les lignes et les plans, la régression linéaire, les dérivés, les gradients et les hyperplans. La séance de cours se penche sur la minimisation des risques, la minimisation empirique des risques et la transition de la régression à la classification. Il traite également de la régression linéaire multi-sorties, des limites de décision et des mesures d'évaluation pour les problèmes de régression et de classification.