Fondements de l'apprentissage machine: démonstrations
Hiver 2007
Liste du matériel de démonstrations
- [19/01/2007] Algorithme des k plus proches voisins, classification
multi-classes:
[26/01/2007] Classification multi-classe et classification par la règle
de Bayes avec modèles Gaussiens:
- théorie [pdf]
[ps]
- exemples de problèmes d'apprentissage par maximum de vraisemblance pour un modèle
Gaussien:
- données à matrice de covariance sphérique [eps] [jpg]
- données à matrice de covariance complète, avec corrélation négative entre
les composantes [eps] [jpg]
- données avec 3 sous-groupes ("clusters") [eps] [jpg]
- données en forme de courbe [eps] [jpg]
exemples de problèmes d'apprentissage pour la classification par la règle de Bayes avec
modèles Gaussiens:
- données séparables linéairement, avec modèles Gaussiens de matrices de
covariance différentes
[eps] [jpg]
- données séparables linéairement, avec modèles Gaussiens de matrices de
covariance identiques
[eps] [jpg]
- données non-séparables linéairement, avec modèles Gaussiens de matrices de
covariance différentes
[eps] [jpg]
- données non-séparables linéairement, avec modèles Gaussiens de matrices de
covariance identiques
[eps] [jpg]
exemple de surfaces de décision pour la classification par les k plus proches
voisins [eps]
[jpg]
pratique [html]
[02/02/2007] Algorithmes d'apprentissage linéaires et aide pour devoir #1
[09/02/2007] Algorithmes d'apprentissage linéaires (suite) et introduction à PLearn
[16/02/2007] Correction du devoir #1 et implémentation du Perceptron dans PLearn
- exemple d'implémentation de la partie pratique du devoir #1 [ tar.gz ]
(lien temporairement désactivé)
- pratique [html]
[23/02/2007 + 02/03/2007] Classificateurs linéaires : régression linéaire et logistique
[16/03/2007] Expérimentation avec des réseaux de neurones
[23/03/2007] Prétraitement des données
[13/04/2007] Boosting