Introduction
Dans ce tutoriel, nous comparerons la régression ridge du noyau (Kernel Ridge Regression - KRR) et la régression vectorielle de support (Support Vector Regression - SVR) à l'aide de Scikit-Learn, une bibliothèque populaire de machine learning en Python. Les deux modèles apprennent une fonction non linéaire en utilisant la technique du noyau. La KRR et la SVR diffèrent par leurs fonctions de perte et leurs méthodes d'ajustement. Nous utiliserons un ensemble de données artificielles composé d'une fonction cible sinusoïdale et de bruit fort ajouté à chaque cinquième point de données.
Conseils sur la VM
Une fois le démarrage de la VM 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 limites de Jupyter Notebook.
Si vous rencontrez des problèmes pendant l'apprentissage, n'hésitez pas à demander à Labby. Donnez des commentaires après la session, et nous résoudrons rapidement le problème pour vous.