Régression logistique : nouvelle formulation et nouvelle fonction de perte

À propos
Confidentialité
Mentions légales

Graph Chatbot

Séances de cours associées (31)

Régression linéaire et régression logistique

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.

Régression logistique : Inférence statistique et apprentissage automatique

Couvre la régression logistique, la fonction de vraisemblance, la méthode de Newton et l'estimation des erreurs de classification.

Espace latent et RDPG : Analyse statistique des données du réseau

Couvre les modèles spatiaux latents, la régression logistique, le RDPG et les réseaux du monde réel.

Fondements de l'apprentissage automatique

Introduit les bases de l'apprentissage automatique, couvrant la classification supervisée, la régression logistique et la maximisation de la marge.

Régression linéaire généralisée

Explore la régression linéaire généralisée, la régression logistique et la classification multiclasses dans l'apprentissage automatique.

Modèles spatiaux latents : Inférence et applications

Explore les modèles spatiaux latents, les représentations en réseau, les décompositions spectrales et les méthodes d'estimation des paramètres.

Principes de base de l'optimisation : normes, convexité, différentiabilité

Explore les bases de l'optimisation telles que les normes, la convexité et la différentiabilité, ainsi que les applications pratiques et les taux de convergence.

Gradient Descent: Techniques d'optimisation

Explore la descente en gradient, les fonctions de perte et les techniques d'optimisation dans la formation en réseau neuronal.

Régression logistique

Couvre la régression logistique pour la classification linéaire et les techniques de réduction de dimensionnalité non supervisées.

Régression linéaire et logistique

Couvre la régression linéaire et logistique, y compris les mesures de sous-ajustement, de surajustement et de performance.

Support machine vectorielle et régression logistique

Explique la machine vectorielle de soutien et la régression logistique pour les tâches de classification, en mettant l'accent sur la maximisation de la marge et la minimisation des risques.

Page 2 sur 2