15 heures- Difficile
Ce cours est visible gratuitement en ligne.
course.header.alt.is_video
course.header.alt.is_certifying
J'ai tout compris !Mis à jour le 08/01/2024
Partie 2
Compétences évaluées
- Comprendre à quelles questions les principaux algorithmes de réduction de dimension non supervisé non-linéaire permettent de répondre
- Utiliser les principaux algorithmes de réduction de dimension non supervisé non linéaire classique
- Choisir un algorithme de réduction de dimension non supervisé non linéaire en fonction de vos besoins et des caractéristiques des données
Question 1
Pour effectuer une réduction dimensionnelle non linéaire, on peut utiliser :
l'algorithme du MDS métrique
le t-SNE, qui mettra l'accent sur la structure locale
le kPCA avec le kernel K(x,y)=xTy
Question 2
Quelle feature serait la plus optimale pour effectuer une classification des observations ci-dessous ?
Polynomiale du second degré
Logarithmique
Une combinaison des deux
Aucune des deux
Question 3
Effectuer une réduction dimensionnelle non linéaire permet de :
Attention, plusieurs réponses sont possibles.trouver des nouvelles features plus représentatives des données
explorer les données car elle permet de visualiser certains comportements du phénomène plus simplement
traiter des problèmes non linéaires comme des problèmes linéaires
- Formations jusqu’à 100 % financées
- Date de début flexible
- Projets professionnalisants
- Mentorat individuel
