Apprentissage supervisé : Classification

Intermédiaire

Au cours de cette formation, nous continuerons à découvrir une autre application importante de l'apprentissage supervisé - la résolution de problèmes de classification. Dans les leçons suivantes, vous aurez l'occasion d'étudier : la régression logistique, l'algorithme des k plus proches voisins, le classifieur naïf bayésien, la machine à vecteurs de support, le perceptron et le réseau neuronal artificiel, l'arbre de décision et la forêt aléatoire, ainsi que les méthodes de bagging et de boosting. Le cours commencera par le principe de chacune de ces méthodes. Vous devriez bien comprendre la mise en œuvre

scikit-learnMachine Learning

💡 Ce tutoriel est traduit par l'IA à partir de la version anglaise. Pour voir la version originale, vous pouvez cliquer ici

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).

Enseignant

labby

Labby

Labby is the LabEx teacher.