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

Méthodes de noyau: Surfaces de séparation non linéaires

À propos
Confidentialité
Mentions légales

Graph Chatbot

Séances de cours associées (35)

Kernel Methods: Comprendre les sur-ajustements et la sélection des modèles Connectez-vous à Mediaspace pour regarder cette vidéo

Discute des méthodes du noyau, en se concentrant sur les surajustements, la sélection des modèles et les fonctions du noyau dans l'apprentissage automatique.

Amandes : Transformations non linéaires Connectez-vous à Mediaspace pour regarder cette vidéo

Explore les noyaux pour simplifier la représentation des données et la rendre linéairement séparable dans les espaces de fonctionnalités, y compris les fonctions populaires et les exercices pratiques.

Méthodes du noyau dans l'apprentissage automatique: régression du noyau et SVM Connectez-vous à Mediaspace pour regarder cette vidéo

Discute des méthodes du noyau dans l'apprentissage automatique, en se concentrant sur la régression du noyau et les machines vectorielles de support, y compris leurs formulations et applications.

Expansion des fonctionnalités et des amandes Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre l'expansion des fonctionnalités, les noyaux, SVM, et la classification non linéaire dans l'apprentissage automatique.

Fondements de l'apprentissage automatique : régularisation et validation croisée Connectez-vous à Mediaspace pour regarder cette vidéo

Explore le surajustement, la régularisation et la validation croisée dans l'apprentissage automatique, soulignant l'importance de l'expansion des fonctionnalités et des méthodes du noyau.

Expansion des fonctionnalités et méthodes Kernel Connectez-vous à Mediaspace pour regarder cette vidéo

Explore l'expansion des fonctionnalités, les méthodes du noyau, la SVM et la classification non linéaire dans l'apprentissage automatique.

Modèles linéaires pour la classification: Régression logistique et SVM Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les modèles linéaires pour la classification, en se concentrant sur la régression logistique et les machines vectorielles de support.

Extension de la fonctionnalité: Amandes et KNN Connectez-vous à Mediaspace pour regarder cette vidéo

Les couvertures comportent l'expansion, les noyaux et les voisins K-nearest, y compris la non-linéarité, SVM, et les noyaux gaussiens.

Régression du noyau : K-nearest Neighbors Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre le concept de régression du noyau et les voisins les plus proches de K pour rendre les données linéairement séparables.

Gradient Descent: Techniques d'optimisation Connectez-vous à Mediaspace pour regarder cette vidéo

Explore la descente en gradient, les fonctions de perte et les techniques d'optimisation dans la formation en réseau neuronal.

Optimisation du convex Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre un aperçu de l'optimisation convexe, des jeux d'affines, des polyèdres, des ellipsoïdes et des fonctions convexes.

KKT et optimisation convexe Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les conditions KKT et l'optimisation convexe, en discutant des qualifications de contraintes et des cônes tangents des ensembles convexes.

Optimisation robuste : Optimisation polynomiale Connectez-vous à Mediaspace pour regarder cette vidéo

Explore l'optimisation des polynômes, y compris l'écriture de polynômes en tant que produits matriciels et la résolution d'équations linéaires pour la non-négativité.

Réseaux profonds et convolutifs : généralisation et optimisation Connectez-vous à Mediaspace pour regarder cette vidéo

Explore les réseaux profonds et convolutifs, couvrant la généralisation, l'optimisation et les applications pratiques dans l'apprentissage automatique.

Sans titre Connectez-vous à Mediaspace pour regarder cette vidéo

Page 2 sur 2