Fondamentaux de l'apprentissage statistique

Sylvain Arlot 1, 2
1 SELECT - Model selection in statistical learning
Inria Saclay - Ile de France, LMO - Laboratoire de Mathématiques d'Orsay, CNRS - Centre National de la Recherche Scientifique : UMR
Résumé : Ce texte présente les bases de l'apprentissage statistique supervisé, sous un angle mathématique. On décrit le problème général de prévision, puis les deux exemples fondamentaux que sont la régression et la classification (ou discrimination) binaire. Ensuite, on étudie deux grandes familles de règles d'apprentissage: la minimisation du risque empirique, qui amène naturellement à la question de la convexification du risque de classification, et les règles par moyenne locale qui permettent d'énoncer un résultat de consistance universelle. Enfin, on identifie les limites de l'apprentissage pour mieux en dégager les enjeux. Un rappel des outils probabilistes utiles et une série d'exercices complètent les résultats présentés.
Type de document :
Pré-publication, Document de travail
2017
Liste complète des métadonnées

https://hal.archives-ouvertes.fr/hal-01485506
Contributeur : Sylvain Arlot <>
Soumis le : mercredi 8 mars 2017 - 22:22:41
Dernière modification le : jeudi 15 juin 2017 - 09:09:12
Document(s) archivé(s) le : vendredi 9 juin 2017 - 14:30:34

Fichiers

hal_JES_fondamentaux.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-01485506, version 1

Collections

Citation

Sylvain Arlot. Fondamentaux de l'apprentissage statistique. 2017. <hal-01485506>

Partager

Métriques

Consultations de
la notice

694

Téléchargements du document

276