What You Need to Know Before
You Start

Starts 7 June 2025 11:41

Ends 7 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 Cours


Not Specified

Optional upgrade avallable

All Levels

Progress at your own speed

Free

Optional upgrade avallable

Aperçu

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.


Enseigné par

Chloé-Agathe Azencott


Sujets

france