Introduction
Ce laboratoire montre comment utiliser différents noyaux pour la régression par processus gaussien (GPR) dans la bibliothèque Scikit-learn de Python. La GPR est une technique de régression non paramétrique qui peut ajuster des modèles complexes aux données bruitées. Une fonction noyau est utilisée pour déterminer la similarité entre deux points d'entrée quelconques. Le choix de la fonction noyau est important, car il détermine la forme du modèle qui est ajusté aux données. Dans ce laboratoire, nous allons aborder les noyaux les plus couramment utilisés en GPR.
Conseils sur la machine virtuelle
Une fois le démarrage de la machine virtuelle terminé, cliquez dans le coin supérieur gauche pour basculer vers l'onglet Notebook pour accéder à Jupyter Notebook pour la pratique.
Parfois, vous devrez peut-être attendre quelques secondes pour que Jupyter Notebook ait fini de charger. La validation des opérations ne peut pas être automatisée en raison des limitations de Jupyter Notebook.
Si vous rencontrez des problèmes pendant l'apprentissage, n'hésitez pas à demander à Labby. Donnez votre feedback après la session, et nous réglerons rapidement le problème pour vous.