Introduction
Dans ce cours, vous apprendrez à résoudre des problèmes de classification en utilisant divers algorithmes d'apprentissage supervisé.
🎯 Tâches
Dans ce cours, vous apprendrez :
- Comment implémenter la régression logistique, l'algorithme des k plus proches voisins (K-nearest neighbor algorithm), le classifieur naïf bayésien (naive Bayes), la machine à vecteurs de support (support vector machine), le perceptron et le réseau neuronal artificiel, l'arbre de décision et la forêt aléatoire, ainsi que les méthodes de bagging et de boosting.
- Comment comprendre les principes derrière chacun de ces algorithmes de classification.
- Comment implémenter et appliquer ces algorithmes pour résoudre des problèmes de classification du monde réel, comme la reconnaissance de chiffres manuscrits.
🏆 Réalisations
Après avoir terminé ce cours, vous serez en mesure de :
- Comprendre les forces et les faiblesses des différents algorithmes de classification et choisir celui qui convient le mieux à votre problème.
- Implémenter et appliquer ces algorithmes pour résoudre des problèmes de classification dans divers domaines.
- Évaluer les performances de ces algorithmes en utilisant des techniques de validation croisée (cross-validation).