Aprendizaje Supervisado

• Regresores clásicos — 56:14
• Clasificadores clásicos — 54:29
• Regresores con seleccion de variables — 18:47
• Regresores robustos a outliers — 11:22
• Kernel ridge regression — 3:30
• Máquinas de vectores de soporte — 43:12
• Gradiente descendente estocástico — 19:32
• Vecinos más cercanos
• Procesos gaussianos
• Descomposición cruzada
• Naive bayes
• Arboles de decisión — 34:55
• Métodos de emsable
• Algortimos multiescala y multiclase
• Selección de características — 1:03:05
• Regresión isotonica — 4:16
• Calibración de la probabilidad
• Modelos de redes neuronales — 40:13