Cours de niveau Master 2 destiné à des étudiants avec des connaissances de niveau L3 au moins en probabilités (en fonction des formations).

Plan du cours :

  1. Introduction et modèle mathématique général
  2. Arbres de classification et de régression
  3. Plus proches voisins
  4. Validation croisée et rééchantillonnage
  5. Forêts aléatoires
  6. Classifieur bayésien naïf
  7. Perceptrons et SVM

Introduction et modèle mathématique général

Supports :

Arbres de classification et de régression

Supports :

Support vector machines

Supports :

Méthodes ensemblistes : random forest et boosting

Supports :

Validation croisée et rééchantillonnage

Support :

Classifieur bayésien naïf

Supports :

Autres sujets :

Annales