Utilisez des modèles supervisés non linéaires
Offered By: CentraleSupélec via OpenClassrooms
Course Description
Overview
Dans le cours Entraînez un modèle prédictif linéaire, vous avez appris à construire des modèles linéaires de classification binaire ou multi-classe et de régression.
Mais ceux-ci peuvent ne pas être adaptés à la nature de vos données. Dans ce cours, vous apprendrez à entraîner des modèles supervisés non-linéaires sur vos données.
Vous comprendrez comment construire un modèle non-linéaire grâce à une redescription des données, et saurez utiliser les méthodes à noyaux, qui permettent d’étendre les notions de SVM et de régression ridge au cas non-linéaire.
Prérequis :
Ce cours fait partie du parcours Data Scientist. Il se situe au croisement des mathématiques et de l'informatique. Pour en profiter pleinement, n'hésitez pas à vous rafraîchir la mémoire, avant ou pendant le cours, sur :
- Python pour le calcul numérique (numpy) et la création de graphiques (pyplot), que nous utiliserons dans les parties TP du cours,
- Quelques notions d'algèbre linéaire : manipulation de vecteurs, multiplications de matrices, normes, et valeurs/vecteurs propres,
- Quelques notions de probabilités et statistiques, telles que distribution de loi de probabilité et variance,
- Les notions de régression linéaire ridge et SVM.
Syllabus
Part #1 - Utilisez des noyaux pour appliquer des algorithmes linéaires au cas non-linéaire
1. Transformez un problème non-linéaire en un problème linéaire
2. Classifiez vos données avec une SVM à noyau
3. Apprenez des étiquettes réelles avec une régression ridge à noyau
Quiz: Partie 1
Part #2 - Entraînez un réseau de neurones artificiels
1. Entraînez un réseau de neurones simple
2. Empilez les perceptrons
Quiz: Partie 2
Taught by
Chloé-Agathe Azencott
Tags
Related Courses
機器學習技法 (Machine Learning Techniques)National Taiwan University via Coursera Statistical Machine Learning
Eberhard Karls University of Tübingen via YouTube Interplay of Linear Algebra, Machine Learning, and HPC - JuliaCon 2021 Keynote
The Julia Programming Language via YouTube Interpolation and Learning With Scale Dependent Kernels
MITCBMM via YouTube Fit Without Fear - An Over-Fitting Perspective on Modern Deep and Shallow Learning
MITCBMM via YouTube