Modèles linéaires pour la classification

Cette séance de cours couvre les modèles linéaires pour la classification, en commençant par le modèle linéaire de base dans la dimension D et son application à la classification binaire. Il explore ensuite l'ajout de non-linéarité en utilisant la fonction sigmoïde logistique, conduisant à la régression logistique. Les limites de décision et la formulation de la machine à vecteurs de support (SVM) sont discutées, ainsi que la manipulation des classes qui se chevauchent et lintroduction de variables slack. La séance de cours se penche également sur la classification multi-classes, en comparant la classification des moindres carrés, la régression logistique et la MVS. Les exemples pratiques incluent la prédiction de l'état fœtal à partir des données de cardiotocographie et de la classification des maladies thyroïdiennes. La séance de cours se termine par une comparaison de classificateurs linéaires sur des ensembles de données comme Iris et MNIST.