Class Central is learner-supported. When you buy through links on our site, we may earn an affiliate commission.

OpenClassrooms

Utilisez des modèles supervisés non linéaires

CentraleSupélec via OpenClassrooms

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

Reviews

Start your review of Utilisez des modèles supervisés non linéaires

Never Stop Learning.

Get personalized course recommendations, track subjects and courses with reminders, and more.

Someone learning on their laptop while sitting on the floor.