Descente de gradient: Ajuster de façon répétée les paramètres d'un modèle en descendant la fonction de coût pour réduire l'erreur.
Mène à
Métriques d'évaluation de classification: L'exactitude seule peut mentir ; précision, rappel, F1 et ROC-AUC capturent chacune une façon différente d'un classifieur d'avoir raison ou tort.
Machines à vecteurs de support: Un classifieur qui trouve la plus large marge possible entre les classes, et peut courber cette marge en utilisant des noyaux.
Bases des réseaux de neurones: Empiler des couches d'unités semblables à la régression logistique, reliées par des fonctions d'activation non linéaires, pour apprendre des schémas plus complexes.
Notions liées
Métriques d'évaluation de classification: L'exactitude seule peut mentir ; précision, rappel, F1 et ROC-AUC capturent chacune une façon différente d'un classifieur d'avoir raison ou tort.
Machines à vecteurs de support: Un classifieur qui trouve la plus large marge possible entre les classes, et peut courber cette marge en utilisant des noyaux.