|
Summary: APPRENTISSAGE STATISTIQUE
(ENS 2010 2011)
Notes des cours 1 et 2
Jean-Yves Audibert
Table des matières
Chapitre 1. Description formelle et exemples 1
1. Problématique 1
2. Exemples 2
3. Fonctions cibles pour le classement et la régression aux moindres carrés 5
4. Lien entre classement binaire et régression aux moindres carrés 7
5. Consistance 8
6. Pas de consistance uniformément universelle 9
Chapitre 2. Algorithmes par moyennage local 13
1. Principe 13
2. L'algorithme des k-plus proches voisins 16
3. Algorithme par noyau 20
4. Algorithme par partition 21
Chapitre 3. Algorithmes par minimisation du risque empirique 23
1. Principe de la minimisation du risque empirique 23
2. Réseaux de neurones 25
|
