- Découvrir le fonctionnement de la régression.
- Utiliser de nouveaux algorithmes : régression linéaire, régression linéaire multiple et régression polynomiale.
- Découvrir les points forts et les limites des modèles de régression.
- Visualiser les fonctions d’erreur de coût dans le cadre de la régression linéaire.
- Découvrir les métriques d’évaluation de base pour la régression.
Épisode
Entraîner et comprendre des modèles de régression dans le Machine Learning - Épisode 4
Rejoignez Jason DeBoever et Glenn Stephens en direct sur Learn TV et explorez cette série en neuf parties « Fondements de la science des données pour le machine learning ». Chaque semaine, nous allons parcourir les modules Learn et répondre à vos questions en direct. Des modèles Machine Learning classiques de base à l’analyse de données exploratoire et à la personnalisation des architectures, vous serez guidé par un contenu conceptuel facile à digérer et des notebooks Jupyter interactifs et vous découvrirez les concepts sous-jacents, ainsi que la création de modèles avec les outils de Machine Learning les plus courants.
Entraîner et comprendre des modèles de régression dans le Machine Learning : Épisode 04
La régression est probablement la technique de Machine Learning la plus courante sur laquelle reposent les découvertes scientifiques, la planification d'entreprise et l'analyse boursière. Ce document de formation se penche sur certaines analyses de régression courantes, simples ou plus complexes et fournit des indications sur l'évaluation des performances des modèles. Dans cet épisode, vous allez :
Rejoignez Jason DeBoever et Glenn Stephens en direct sur Learn TV et explorez cette série en neuf parties « Fondements de la science des données pour le machine learning ». Chaque semaine, nous allons parcourir les modules Learn et répondre à vos questions en direct. Des modèles Machine Learning classiques de base à l’analyse de données exploratoire et à la personnalisation des architectures, vous serez guidé par un contenu conceptuel facile à digérer et des notebooks Jupyter interactifs et vous découvrirez les concepts sous-jacents, ainsi que la création de modèles avec les outils de Machine Learning les plus courants.
Entraîner et comprendre des modèles de régression dans le Machine Learning : Épisode 04
La régression est probablement la technique de Machine Learning la plus courante sur laquelle reposent les découvertes scientifiques, la planification d'entreprise et l'analyse boursière. Ce document de formation se penche sur certaines analyses de régression courantes, simples ou plus complexes et fournit des indications sur l'évaluation des performances des modèles. Dans cet épisode, vous allez :
- Découvrir le fonctionnement de la régression.
- Utiliser de nouveaux algorithmes : régression linéaire, régression linéaire multiple et régression polynomiale.
- Découvrir les points forts et les limites des modèles de régression.
- Visualiser les fonctions d’erreur de coût dans le cadre de la régression linéaire.
- Découvrir les métriques d’évaluation de base pour la régression.
URL de la vidéo
Iframe HTML
Vous voulez donner votre avis ? Soumettez un problème ici.