Laboratoires pratiques d'apprentissage automatique
Débutant
Ce cours contient de nombreux laboratoires d'apprentissage automatique. Chaque laboratoire est un petit projet d'apprentissage automatique avec des instructions détaillées et des solutions. Vous pouvez pratiquer vos compétences en apprentissage automatique en complétant ces laboratoires, améliorer vos compétences en programmation et apprendre à écrire un code propre et efficace.
pythonsklearndata-science
💡 Ce tutoriel est traduit par l'IA à partir de la version anglaise. Pour voir la version originale, vous pouvez cliquer ici
- Introduction
- Programme
Ajustement pour le hasard dans l'évaluation des performances de regroupement
Calibration de probabilité des classifieurs
Tracer l'interprétation causale
Ensemble de chaînes de classifieurs
Segmentation de monnaies grecques avec le regroupement spectral
Column Transformer de Scikit-Learn
Comparaison de l'apprentissage sur variété
Techniques de validation croisée avec Scikit-Learn
Comparer les stratégies de réduction de la dimensionalité
Modèle de mélange gaussien
Estimation de densité avec des modèles de mélange gaussien
Modèle mixte gaussien et courbe sinusoidale bruyante
Intervalles de prédiction pour la régression par gradient boosting
Régression par gradient boosting
Désenoiement d'images à l'aide de l'apprentissage de dictionnaire
Classification inductive avec Scikit-Learn
Classification binaire des fleurs Iris à l'aide de SVM
Regroupement K-Means++ avec Scikit-Learn
Apprentissage semi-supervisé avec Label Spreading
Chemin de Lasso avec Scikit-Learn
Vecteurs de support de LinearSVC
Comprendre la complexité du modèle
Complétion de visages avec des estimateurs à plusieurs sorties
Réduction de la dimensionalité avec l'Analyse des Composantes du Voisinage
Exemple de régression linéaire avec parcimonie
Variance de la régression linéaire ordinaire (OLS) et de la régression Ridge
SVM à une classe pour la détection de nouveautés
Tracé avancé avec dépendance partielle
Analyse en composantes principales sur l'ensemble de données Iris
Tracer l'importance de permutation
Importance de permutation sur l'ensemble de données du cancer du sein
Interpolation polynomiale et avec des splines
Latence de prédiction avec des estimateurs de Scikit-Learn
Estimation de modèle linéaire robuste
Réglage des paramètres de l'SVM à noyau RBF
Régression par plus proches voisins
Exemple de régression 岭 avec Scikit-Learn
Comparaison des fonctions de perte convexes
Tracé de la fonction de décision pour un ensemble de données pondéré
Combiner des prédicteurs en utilisant l'empilement
Visualisation de la structure du marché boursier
Classification de données avec le noyau SVM
Explorer les paramètres du SVM linéaire
Classification SVM non linéaire
Visualiser les données à haute dimension avec t-SNE
Comparer différents encoders catégoriels
Machine à vecteurs de support avec échantillons pondérés
Détection de nouveauté et d'anomalies à l'aide de Scikit-Learn
Réduction de la dimensionalité par projection aléatoire
Ajustement de courbe avec la régression de Ridge bayésienne
Classification des plus proches voisins
Explorer le regroupement K-Means avec Python
Comparer les méthodes de décomposition croisée
Tracer la loi a priori de concentration
Classification SVM à l'aide d'un noyau personnalisé
Validation croisée sur l'ensemble de données des chiffres
Agglomération de fonctionnalités pour les données à haute dimension
Regroupement agglomératif sur l'ensemble de données des chiffres
Comparaison du test F et de l'information mutuelle
Quantification vectorielle avec KBinsDiscretizer
Décompositions de l'ensemble de données de visages
Classification par processus gaussien sur l'ensemble de données Iris
Classification par processus gaussien
Classification par processus gaussien sur l'ensemble de données XOR
Modélisation prédictive non linéaire utilisant le processus gaussien
Ajuster un modèle de régression par processus gaussien
Régression par processus gaussien : noyaux
Arrêt précoce du gradient boosting
Séparation des sources cachées
Analyse en composantes indépendantes avec FastICA et PCA
Classification des fleurs Iris avec Scikit-learn
Classifieur SVM sur le jeu de données Iris
Estimation de la densité de noyau simple en 1D
Apprentissage actif avec propagation de labels
Lasso et Elastic Net
Algorithmes de classification par analyse discriminante
Regroupement hiérarchique avec Scikit-Learn
Local Outlier Factor pour la détection de nouveauté
Détection d'anomalies avec LOF
Modèle de régression logistique
Trajectoire de régularisation de la régression logistique L1
Comparaison d'estimateurs de covariance
Estimation de covariance robuste et pertinence des distances de Mahalanobis
Apprentissage à variété sur des données sphériques
Sélection de caractéristiques conjointe avec Lasso multi-tâches
Exemple de régression linéaire
Algorithme de clustering OPTICS
Analyse en composantes principales
Tracé d'ensembles de données de classification aléatoires
Génération d'un ensemble de données à étiquetage multiple avec Scikit-Learn
Estimation de covariance robuste en Python
Application de techniques de régularisation avec SGD
Codage sparse avec dictionnaire pré-calculé
Régression vectorielle support
Réduction de la dimension Swiss Roll et Swiss-Hole
Régression Theil-Sen avec Python Scikit-Learn
Reconstruction d'image par compression de données
Régression par arbre de décision
Régression arborescente à sortie multiple
Scikit-Learn Libsvm GUI
PageRank de Wikipédia avec SVD aléatoire
Régression non linéaire avec isotonie
Modèles de réseau de neurones
Modèles mixtes gaussiens
Apprentissage sur variété avec Scikit-Learn
Biclustering dans Scikit-Learn
Découpage des signaux en composantes
Estimation de la matrice de covariance avec Scikit-Learn
Estimation de la densité en utilisant la densité à noyau
Validation croisée en apprentissage automatique avec Python
Extraction de caractéristiques avec Scikit-Learn
Imputation des valeurs manquantes
Techniques d'approximation de noyau dans Scikit-Learn
Mesures et noyaux entre paires dans Scikit-Learn
Transformer la cible de prédiction
Régression par arbre de décision amélioré
Regroupement par affinité de propagation
Tracer l'agglomération hiérarchique
Métriques de regroupement agglomératif
Dendrogramme de regroupement hiérarchique
Mise à l'échelle et transformation des données
Décomposition biais-variance avec bagging
Comparer Birch et MiniBatchKMeans
Comparaison des performances de Bisecting K-Means et de K-Means classique
Comparer les algorithmes de clustering
Segmentation d'image avec agglomération hiérarchique
Matrice de confusion de Scikit-Learn
Estimation de covariance par rétrécissement
Validation croisée avec des modèles linéaires
Tracer les patches de visages du dictionnaire
Reconnaissance de chiffres écrits à la main
Démonstration des stratégies de KBinsDiscretizer
Pré-calcul de la matrice de Gram pour ElasticNet
Estimation de l'erreur hors-bag (OOB) pour les forêts aléatoires
Importances de pixels avec forêt aléatoire parallèle d'arbres
Covariances du modèle de mélange gaussien
Sélection de modèle de mélange gaussien
Prédictions probabilistes avec la classification par processus gaussien
Tracer la régression GPR pour le CO2
Processus gaussiens sur des structures de données discrètes
Régularisation du Gradient Boosting
Comparaison de FeatureHasher et DictVectorizer
Démonstration de l'algorithme de regroupement HDBSCAN
Tracer Huber vs Ridge
Analyse en composantes principales incrémentales sur l'ensemble de données Iris
Classifieur de régression logistique sur l'ensemble de données Iris
Approximation explicite de la carte de caractéristiques pour les noyaux RBF
Evaluation empirique de l'initialisation de K-Means
Apprentissage par propagation d'étiquettes
Régression Lasso de Scikit-Learn
Régression logistique étape par étape
Mapper des données à une distribution normale
Visualiser les données à haute dimension avec l'analyse en composantes principales multi-dimensionnelles (MDS)
Algorithme de regroupement Mean-Shift
Contraintes monotones dans le gradient boosting
Analyse des Composantes du Voisinage
Classification par centroïde le plus proche
Récupération de signal sparse avec la Recherche Orthogonale Itérative
Tracer l'ACP vs l'ADA
Classification spectrale pour la segmentation d'images
Classifieurs semi-supervisés sur l'ensemble de données Iris
SVM : Hyperplan séparateur à marge maximale
SVM pour les classes déséquilibrées
Classifieur multi-classe SGD de Scikit-Learn
Tracer l'hyperplan séparateur avec SGD
Estimation de la covariance inverse sparse
Modélisation de la distribution d'espèces
Estimation de la densité de noyau des distributions d'espèces
Règlement des égalités dans l'algorithme SVM
Modèle de régression Elastic-Net de Scikit-Learn
Algorithmes d'apprentissage semi-supervisé
Classification non supervisée avec K-Means
Techniques de prétraitement dans Scikit-Learn
Quantification de couleur à l'aide de K-Means
Comparer GPR et KRR sur un graphique
Tailler les arbres de décision après entraînement
Classification de chiffres à l'aide de Scikit-Learn
Analyse de l'ensemble de données de chiffres
Discrétisation des caractéristiques continues avec KBinsDiscretizer
Comparer Random Forest et Histogramme Gradient Boosting
Tracer les forêts d'iris
Méthodes d'initialisation des modèles de mélange gaussien
Tracer la recherche sur grille des chiffres
Arbres de décision sur l'ensemble de données Iris
Détection d'anomalies avec l'Isolation Forest
Régression isotone non paramétrique avec Scikit-Learn
Explorer le lemme de Johnson-Lindenstrauss avec des projections aléatoires
Analyse en composantes principales avec la PCA Kernel
Tracer la régression ridge du noyau
Explorer les hypothèses de la classification par K-Means
Analyse de regroupement avec la méthode de silhouette
Régression de signaux creux avec des modèles basés sur L1
Analyse discriminante linéaire pour la classification
Tracer la régression logistique multinomiale et One-vs-Rest
Comparer K-Means et MiniBatchKMeans
Scikit-Learn MLPClassifier : Stratégies d'apprentissage stochastique
Validation croisée imbriquée pour la sélection de modèle
Régression linéaire non négative
Détection d'anomalies dans les données sur les vins
Tracer la sélection de modèles PCA vs FA
Score de test de permutation pour la classification
Régression quantile avec Scikit-Learn
Tracer la régression forestière aléatoire multi-sortie
Optimisation d'hyperparamètres : Recherche aléatoire vs Recherche en grille
Élimination Récursive de Caractéristiques
Régression Ridge pour la modélisation linéaire
ROC avec validation croisée
Sélection de fonctionnalités basée sur un modèle et sélection séquentielle
Comparer les solveurs en ligne pour la classification de chiffres manuscrits
Algorithme de biclustering spectral
Algorithme de co-clustering spectral
Comparaison entre la Recherche en grille et la Décimation successive
Mise à l'échelle du paramètre de régularisation pour les SVM
Tracer l'extraction de sujets avec NMF et LDA
Analyse d'arbre de décision
Traçage des courbes de validation
Relever la structure de l'ensemble de données Iris par analyse factorielle
Probabilités de classes avec VotingClassifier
Prédiction du diabète en utilisant le Voting Regressor
Regroupement hiérarchique avec contraintes de connectivité
Ajustement des hyperparamètres d'un estimateur
Courbes de validation : Tracer des scores pour évaluer les modèles
Dépendance partielle et espérance conditionnelle individuelle
Importance des caractéristiques de permutation
AdaBoost discret vs réel
Arbres de décision AdaBoost multi-classe
Classification avec un arbre de décision simple AdaBoost
Comparer les régresseurs bayésiens linéaires
Document Biclustering à l'aide de l'algorithme de co-clustering spectral
Mise en cache des plus proches voisins
Calibration des probabilités pour la classification à trois classes
Tracer la probabilité de classification
Tracer des prédictions avec la validation croisée
Algorithme de clustering DBSCAN
Dénuage d'images avec la PCA Kernel
Estimation de densité par noyau
Importance des caractéristiques avec la forêt aléatoire
Estimations hors-bag pour la Gradient Boosting
Sélection du modèle Lasso
Sélection de modèle pour la régression Lasso
Tracer les courbes d'apprentissage
Classifier des chiffres manuscrits avec le classifieur MLP
Optimiser les hyperparamètres du modèle avec GridSearchCV
Classification de texte en utilisant l'apprentissage hors-mémoire
Transformation de fonctionnalités par hachage
Élimination Récursive de Caractéristiques avec Validation Croisée
Ajustement d'estimateurs linéaires robustes
Arrêt précoce du Gradient Stochastique
Tracer Sgdocsvm vs Ocsvm
Régression logistique multiclasse sparse
Itérations par division successive
Transformation des données catégorielles à l'aide de TargetEncoder
Sous-ajustement et surajustement
Exploration des méthodes d'ensemble avec Scikit-Learn
Sélection de fonctionnalités avec Scikit-Learn
Évaluation de la qualité des modèles d'apprentissage automatique
Tracer le pipeline des chiffres
Estimateurs et pipelines de Scikit-Learn
Transformations de caractéristiques avec des ensembles d'arbres
Équilibrer la complexité du modèle et le score de validation croisée
Extraction et évaluation des caractéristiques textuelles
Classification K-Means sur des chiffres manuscrits
Régularisation du perceptron multicouche
Classification de documents multi-étiquette
Tracer la classification NCA
Détection d'anomalies à l'aide d'algorithmes Scikit-Learn
Evaluation de la ROC multiclasse avec Scikit-Learn
API de visualisation de Scikit-Learn
Approximation du noyau polynomial avec Scikit-Learn
Effet du seuil variable pour l'auto-formation
Régression logistique multinomiale MNIST
Classification des fleurs iris à l'aide du Voting Classifier
Voisins les plus proches approximatifs dans TSNE
Création de visualisations avec des objets d'affichage
Reconnaissance faciale avec eigenfaces et machines à vecteurs de support (SVM)
Sélection de caractéristiques univariées
Construire des pipelines d'apprentissage automatique avec Scikit-Learn
Concaténer plusieurs méthodes d'extraction de caractéristiques
Gradient Boosting avec des variables catégorielles
Rapports de vraisemblance de classe pour mesurer les performances de classification
Imputer les données manquantes
Tracer la PCR contre la PLS
Sélection de caractéristiques pour le SVC sur l'ensemble de données Iris
Transformation de la cible pour la régression linéaire
Algorithmes multiclasse et multioutput
Comparaison d'algorithmes de détection d'anomalies
Courbes d'étalonnage de probabilité
Comparaison de l'étalonnage des classifieurs
Réduction de la dimensionalité avec Pipeline et GridSearchCV
Courbe de compromis entre les erreurs de détection
Métrique Précision-Rappel pour la classification déséquilibrée
Column Transformer avec types mixtes
Classification de chiffres à l'aide de caractéristiques RBM
Classification de texte semi-supervisée
Utilisation de l'API set_output
Discrétisation des fonctionnalités pour la classification
Classification de documents texte
Iterative Imputer de Scikit-Learn
Apprentissage de variétés sur des chiffres manuscrits
Construction de pipelines Scikit-Learn
La mise à l'échelle des fonctionnalités en apprentissage automatique
Pipelines et estimateurs composites
Comparaison de classifieurs dans Scikit-Learn
Enseignant
Labby
Labby is the LabEx teacher.
Partager sur Google Classroom
Rejoignez notre Discord et apprenez ensemble
Rejoindre maintenantAvis des Utilisateurs
" I am learning more than i thought i would "
— Nana Kwame Dickson
" something I was long seeking, I'll defo check for more"
— Emil Valentin Toma
Recommandé pour vous
