beninca.link/cnam.marc
beninca.link/cnam.marc
1
0
Fork 0
Code Issues Pull requests Projects Releases Packages Wiki Activity Actions

régression

Browse source
This commit is contained in:
Marc Beninca 2020-08-13 01:10:36 +02:00
parent f020533009
commit 17052b96ba
1 changed files with 9 additions and 7 deletions
Download patch file Download diff file Expand all files Collapse all files

16
cnam/travaux/probatoire/document/principles.tex
View file

@ -47,21 +47,23 @@ au risque d’engendrer un surentraînement si trop importante}
\subsection{Régression} \subsection{Régression}
… Un hyperparamètre \textbf{ε} permet de fait varier l’épaisseur de la marge,
afin d’y inclure le plus de données possible.
\subsubsection{Régression linéaire} \subsubsection{Régression linéaire}
\bifig{}{Régression linéaire \cite{homl-linear}} Régression la plus simple : une approximation affine est suffisante.
{16em}{regression_linear_left}{regression_linear_right}
… \bifig{}{Régression linéaire, variation d’ε \cite{homl-linear}}
{15em}{regression_linear_left}{regression_linear_right}
\subsubsection{Régression non linéaire} \subsubsection{Régression non linéaire}
\bifig{}{Régression non linéaire \cite{homl-nonlinear}} Régression nécessitant l’utilisation d’une fonction noyau.
{16em}{regression_nonlinear_left}{regression_nonlinear_right} Une grande valeur de C intègre des données plus éloignées.
… \bifig{}{Régression polynominale de degré 2, variation de C \cite{homl-nonlinear}}
{15em}{regression_nonlinear_left}{regression_nonlinear_right}
\subsection{Classification} \subsection{Classification}