Machine Learning avec Scikit-Learn

108

Chapitre 4. Entraînement de modèles

graduellement les paramètres du modèle pour minimiser la fonction de coût

sur le jeu d’entraînement, convergeant au nal vers le même jeu de paramètres

que dans la première méthode. Nous examinerons plusieurs variantes de cette

méthode de descente de gradient que nous utiliserons à maintes reprises lorsque

nous étudierons les réseaux neuronaux

53

: descente de gradient groupée (ou

batch), descente de gradient par mini-lots et descente de gradient stochastique.

Nous examinerons ensuite la régression polynomiale, un modèle plus complexe

pouvant s’ajuster à des jeux de données non linéaires. Ce modèle ayant ...