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 (38)

Validation croisée : Techniques et applications Connectez-vous à Mediaspace pour regarder cette vidéo

Explore les techniques de validation croisée, d'ajustement excessif, de régularisation et de régression dans l'apprentissage automatique.

Régression linéaire et pondérée : paramètres optimaux et solutions locales Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre la régression linéaire et pondérée, les paramètres optimaux, les solutions locales, l'application SVR et la sensibilité des techniques de régression.

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.

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.

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

Couvre le concept de descente de gradient pour la régression linéaire, en expliquant le processus itératif de mise à jour des paramètres.

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

Couvre les bases de la régression linéaire, de la classification binaire et multiclasse, et des mesures d'évaluation.

Régression linéaire : bases et estimation Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les bases de la régression linéaire et la façon de résoudre les problèmes d'estimation en utilisant les moindres carrés et la notation matricielle.

Modélisation de données : régression Connectez-vous à Mediaspace pour regarder cette vidéo

Introduit la modélisation fondée sur les données en mettant l'accent sur la régression, couvrant la régression linéaire, les risques de raisonnement inductif, l'APC et la régression des crêtes.

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

Introduit des modèles linéaires dans l'apprentissage automatique, couvrant les bases, les modèles paramétriques, la régression multi-sorties et les mesures d'évaluation.

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

Explore les modèles linéaires, la régression logistique, la descente en gradient et la régression logistique multi-classes avec des applications pratiques et des exemples.

Régression : Séance de cours interactive Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre la régression linéaire, la régression pondérée, la régression pondérée localement, la régression vectorielle de soutien, la manipulation du bruit et la cartographie oculaire à l'aide de SVR.

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.

Méthodes de régression : Modèle de construction et d'inférence Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre l'analyse de la variance, de la construction du modèle, de la sélection des variables et de l'estimation des fonctions dans les méthodes de régression.

Apprentissage non supervisé : réduction de la dimensionnalité et regroupement Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre l'apprentissage non supervisé, en mettant l'accent sur la réduction de la dimensionnalité et le regroupement, en expliquant comment il aide à trouver des modèles dans les données sans étiquettes.

Erreur de généralisation dans l'apprentissage avec des fonctionnalités aléatoires Connectez-vous à Mediaspace pour regarder cette vidéo

Explore l'erreur de généralisation dans la théorie de l'apprentissage, en mettant l'accent sur les données structurées et la méthode de la réplique.

Intégration numérique : introduction Connectez-vous à Mediaspace pour regarder cette vidéo

Introduit des méthodes d'intégration numérique et des principes de cinétique de réaction chimique.

Phase Portrait et systèmes non linéaires Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les portraits de phase, la décomposition de la valeur propre, la décomposition de la Jordanie et les nœuds stables dans les systèmes non linéaires.

Kernel de Tangent neuronal: Généralisation dans l'apprentissage profond Connectez-vous à Mediaspace pour regarder cette vidéo

Explore le noyau tangent neuronal dans l'apprentissage profond, en analysant la généralisation et le comportement du réseau.

Page 2 sur 2