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

Régression linéaire : bases et applications

À propos
Confidentialité
Mentions légales

Graph Chatbot

Séances de cours associées (47)

Introduction à l'apprentissage automatique Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les bases de l'apprentissage automatique, y compris l'apprentissage supervisé et non supervisé, la régression linéaire et la classification.

Bases de l'apprentissage automatique Connectez-vous à Mediaspace pour regarder cette vidéo

Introduit les bases de l'apprentissage automatique, couvrant l'apprentissage supervisé et non supervisé, la régression linéaire et la compréhension des données.

Régression linéaire et régression logistique Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre la régression linéaire et logistique pour les tâches de régression et de classification, en mettant l'accent sur les fonctions de perte et la formation de modèle.

Apprentissage automatique: Techniques d'apprentissage supervisé et non supervisé Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les techniques d'apprentissage supervisées et non supervisées dans l'apprentissage automatique, en mettant en évidence leurs applications dans la finance et l'analyse environnementale.

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.

Biostatistique appliquée: données bivariées et analyse de régression Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre l'analyse des données bivariées, la corrélation et les techniques de régression, y compris l'interprétation des coefficients et de la géométrie des moindres carrés.

Principes fondamentaux de l'apprentissage supervisé Connectez-vous à Mediaspace pour regarder cette vidéo

Présente les principes fondamentaux de l'apprentissage supervisé, y compris les fonctions de perte et les distributions de probabilité.

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.

Modèles linéaires: Partie 1 Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les modèles linéaires, y compris la régression, les dérivés, les gradients, les hyperplans et la transition de classification, en mettant laccent sur la minimisation des risques et des mesures dévaluation.

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

Couvre les bases de la régression linéaire, y compris l'OLS, l'hétéroskédasticité, l'autocorrélation, les variables instrumentales, l'estimation maximale de la probabilité, l'analyse des séries chronologiques et les conseils pratiques.

Apprentissage supervisé: Méthodes de régression Connectez-vous à Mediaspace pour regarder cette vidéo

Explore l'apprentissage supervisé en mettant l'accent sur les méthodes de régression, y compris l'ajustement des modèles, la régularisation, la sélection des modèles et l'évaluation du rendement.

Régression linéaire et corrélation Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre la régression linéaire, lanalyse de corrélation et les fondamentaux de régression logistique, en mettant laccent sur la distinction entre la corrélation et la causalité.

Régression linéaire: principes fondamentaux et la bonté de l'ajustement Connectez-vous à Mediaspace pour regarder cette vidéo

Explore les fondamentaux de la régression linéaire, les problèmes de régression non linéaire et la bonté de l'ajustement au carré R, avec des exemples tels que le quatuor d'Anscombe et l'ensemble de données Datasaurus.

Méthodes du noyau : SVM et régression Connectez-vous à Mediaspace pour regarder cette vidéo

Introduit des méthodes de noyau telles que SVM et régression, couvrant des concepts tels que la marge, la machine vectorielle de support, la malédiction de la dimensionnalité et la régression de processus gaussien.

Complexité du modèle et suréquipement dans l'apprentissage automatique Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre la complexité du modèle, l'ajustement excessif et les stratégies pour sélectionner les modèles d'apprentissage automatique appropriés.

Splines: Méthode des moins-quares Connectez-vous à Mediaspace pour regarder cette vidéo

Explore les splines, en mettant l'accent sur la méthode des moindres carrés pour interpoler les splines et en démontrant son application à l'aide de MATLAB.

Gaussian Naive Bayes & K-NN Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les bayes naïfs gaussiens, les voisins les plus proches du K et le réglage hyperparamétrique dans l'apprentissage automatique.

Méthodes de sélection des variables : Filtrage et corrélation Connectez-vous à Mediaspace pour regarder cette vidéo

Explore la sélection de variables à travers des méthodes de filtrage et de corrélation dans l'apprentissage automatique, en mettant l'accent sur la quantification de la pertinence et la mesure des relations avec l'étiquette.

Diagonalisation dans les matrices symétriques Connectez-vous à Mediaspace pour regarder cette vidéo

Explore la diagonalisation dans les matrices symétriques, en mettant l'accent sur l'orthogonalité et les bases orthonormées.

Renforcement de l'apprentissage axé sur les données Connectez-vous à Mediaspace pour regarder cette vidéo

Discute des défis dans les systèmes d'IA, des limitations d'apprentissage supervisé, et de la nécessité de méthodes fondées sur les données pour renforcer l'apprentissage.

Page 2 sur 3