Introduction
Dans ce laboratoire, nous utiliserons la régression vectorielle support (Support Vector Regression - SVR) pour ajuster un modèle à un ensemble de données 1D en utilisant des noyaux linéaires, polynomiaux et de fonction radiale de base (Radial Basis Function - RBF). Nous utiliserons la bibliothèque scikit-learn de Python pour effectuer la SVR.
Conseils sur la machine virtuelle (VM)
Une fois le démarrage de la VM terminé, cliquez dans le coin supérieur gauche pour basculer vers l'onglet Carnet de notes pour accéder au carnet Jupyter Notebook pour pratiquer.
Parfois, vous devrez peut-être attendre quelques secondes pour que le carnet Jupyter Notebook ait fini de charger. La validation des opérations ne peut pas être automatisée en raison des limitations du carnet 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.