Passer au contenu principal
Ctrl+K
Documentation mlstatpy 0.4.0 - Home
  • Clustering
  • Non linéaire
  • Régression linéaire
  • Régression logistique
  • NLP
    • Métriques
    • Algorithmes
    • Pérégrinations
    • API
    • Examples
    • Listes des définitions et théorèmes
    • Gallery of examples
    • Galleries de notebooks
    • Glossary
    • Change Logs
    • License
  • Clustering
  • Non linéaire
  • Régression linéaire
  • Régression logistique
  • NLP
  • Métriques
  • Algorithmes
  • Pérégrinations
  • API
  • Examples
  • Listes des définitions et théorèmes
  • Gallery of examples
  • Galleries de notebooks
  • Glossary
  • Change Logs
  • License

Navigation de la section

  • Réseaux de neurones
    • Définition des réseaux de neurones multi-couches
    • La régression
    • La classification
    • Démonstration du théorème de la densité des réseaux de neurones
    • Descente de gradient
    • Apprentissage d’un réseau de neurones
    • Classification
    • Prolongements
    • Analyse en composantes principales (ACP) et Auto Encoders
    • Bibliographie
  • Classification à l’aide des plus proches voisins
  • Liens entre factorisation de matrices, ACP, k-means
    • Factorisation et matrice et ACP
    • Valeurs manquantes et factorisation de matrices
  • Un arbre de décision en réseaux de neurones
  • NeuralTreeNet et ONNX
  • NeuralTreeNet et coût
  • Non linéaire

Non linéaire#

Les paragraphes suivant abordent de façon plutôt théorique des modèles de machine learning.

  • Réseaux de neurones
  • Classification à l’aide des plus proches voisins
  • Liens entre factorisation de matrices, ACP, k-means
  • Un arbre de décision en réseaux de neurones
  • NeuralTreeNet et ONNX
  • NeuralTreeNet et coût

précédent

Carte de Kohonen

suivant

Réseaux de neurones

Montrer le code source

© Copyright 2016-2024, Xavier Dupré.

Créé en utilisant Sphinx 8.0.2.

Construit avec le Thème PyData Sphinx 0.15.4.