ÉQUATIONS NORMALES : D'où viennent-elles ? (Vidéo Archive juin 2019)
Les équations normales sont issues de la méthode des moindres carrés, de Carl Gauss. En machine Learning et en Statistiques, cette technique permet de résoudre des problèmes de régression linéaire en trouvant la solution EXACTE d'un probleme de minimisation (c'est la méthode des moindres carrés).
La technique consiste a utiliser l'erreur quadratique moyenne comme fonction cout de notre problème de machine learning, puis d'isoler le terme Theta présent dans cette erreur, pour trouver l'unique position ou la dérivé de Theta s’annule.
L'HISTOIRE DES ÉQUATIONS NORMALES :
En 1801, l'astronome italien Giuseppe Piazzi a découvert l'astéroïde Cérès. Il a alors pu suivre sa trajectoire pendant plusieurs semaines, avant de le perdre de vue. Beaucoup de scientifiques tentèrent de le retrouver en calculant sa trajectoire avec des calculs très sophistiqués. La plupart des prédictions furent erronées ; et le seul calcul suffisamment précis fut celui de la méthode des moindres carré de Carl Gauss, un calcul pourtant très simple.
► MON SITE INTERNET EN COMPLÉMENT DE CETTE VIDÉO:
https://www.machinelearnia.com/
► REJOINS NOTRE COMMUNAUTÉ DISCORD
/ discord
► Me soutenir financièrement sur Tipeee (et obtenir des vidéos BONUS)
https://fr.tipeee.com/machine-learnia
► Recevez gratuitement mon livre numérique:
"APPRENDRE LE MACHINE LEARNING EN UNE SEMAINE"
https://www.machinelearnia.com/appren...
► Télécharger gratuitement mes codes sur github:
https://github.com/MachineLearnia
► Abonnez-vous : / @machinelearnia
► Pour en savoir plus : Visitez Machine Learnia : https://www.machinelearnia.com/
► Qui suis-je ?
Je suis Guillaume Saint-Cirgue, Senior Data Scientist avec plus de 8 ans d’expérience dans les secteurs de la tech, l’aviation, la robotique, l’énergie, et les usines connectées.
En 2019, j’ai créé Machine Learnia dans le but de partager mes connaissances dans le domaine de l’intelligence artificielle. Mon objectif est d’expliquer en détail le fonctionnement du Machine Learning et de ses algorithmes, tout en rendant ces concepts accessibles à tous.
Je suis convaincu qu'il ne suffit pas de survoler l'aspect mathématique de ce domaine; il est essentiel de s'y plonger en profondeur pour se démarquer. Cette approche a déjà convaincu plus de 150 000 personnes, et ceux que je forme aujourd'hui comptent parmi les meilleurs du secteur.
► Une question ? Contactez-moi: [email protected]
