Classement avec GMM et kNN

Cette séance de cours porte sur le processus de classification à l'aide de modèles de mélange gaussien (GMM) et de voisins k-Nearest Neighbors (kNN). L'instructeur explique comment modéliser les classes avec GMM et déterminer les limites en utilisant les règles discriminantes ML. La séance de cours se penche également sur la malédiction de la dimensionnalité, les coûts de calcul et les résultats de comparaison de différents modèles. Les exercices pratiques comprennent la recherche de limites avec le GMM, la compréhension de l'impact des matrices de covariance et l'analyse des erreurs de classification. L'importance de la validation croisée et le choix des ratios formation/test sont soulignés, ainsi que l'application de kNN pour la classification. La séance de cours se termine par une démonstration des limites de dessin avec des valeurs k différentes en kNN.