Apprentissage supervisé

Descriptif

L’objectif de ce cours est de présenter le cadre mathématique de l’apprentissage supervisé ainsi que les premiers algorithmes de référence qui permettent de répondre à ce problème.

• Formalisation mathématique du problème de classification supervisée : notion de risque, règle de Bayes, sur-apprentissage, algorithme des plus proches voisins
• Méthodes par arbres : arbres binaires et algorithme CART
• Bagging et forêts aléatoires.

Bibliographie

• Breiman, L., Friedman, J., Olshen, R. et Stone, C. (1984). Classification and regression trees, Wadsworth & Brooks.
• Hastie, T., Tibshirani, R. et Friedman, J. (2009). The elements of statistical learning : data mining, inference and prediction. Springer.
• Page web du cours : https://lrouviere.github.io/classif_sup