What You Need to Know Before
You Start

Starts 27 June 2025 04:43

Ends 27 June 2025

00 Days
00 Hours
00 Minutes
00 Seconds
course image

Utilisez des modèles supervisés non linéaires

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 comprendre.
via OpenClassrooms

5 Courses


Not Specified

Optional upgrade avallable

All Levels

Progress at your own speed

Free

Optional upgrade avallable

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.


Taught by

Chloé-Agathe Azencott


Subjects