Bonne année chers data passionnés et meilleurs voeux à tous! Pour commencer 2017 nous vous proposons une intervention détaillée sur les fonctions coûts en apprentissage supervisé.
Intervenant : Maxime Gasse, doctorant au LIRIS (équipe DM2L)

Prérequis : quelques bases de machine learning, optimisation, probabilités.

Résumé : Après quelques rappels de base sur l’apprentissage supervisé (minimisation de risque et fonctions coût), nous étudierons l’impact de différentes fonctions coût en régression standard (normes L2, L1, L0), en classification multi-label (hamming loss, 0/1 loss, F-loss), puis en régression multi-output (normes L2^2, L1^1, L2^1).