scikit-learn Tutoriels
scikit-learn propose une approche systématique de l'apprentissage automatique avec Python. Nos tutoriels couvrent divers algorithmes d'apprentissage automatique, la sélection de modèles et les techniques d'évaluation, adaptés aux scientifiques des données débutants et intermédiaires. Avec des laboratoires gratuits et des exemples de code pratiques, vous obtiendrez une expérience concrète dans la construction de modèles d'apprentissage automatique. Notre terrain de jeu en science des données vous permet d'expérimenter avec les fonctions et ensembles de données de scikit-learn en temps réel.
Autres Arbres de Compétences
LinuxDevOpsCybersécuritéKali LinuxDevOps EngineerCybersecurity EngineerBase de donnéesScience des donnéesRed Hat Enterprise LinuxCompTIADockerKubernetesPythonGitShellNmapWiresharkHydraJavaSQLitePostgreSQLMySQLRedisMongoDBGolangC++CJenkinsAnsiblePandasNumPyMatplotlibDéveloppement webHTMLCSSJavaScriptReact
Validation Croisée avec Scikit-learn
Dans ce laboratoire, vous apprendrez à effectuer une validation croisée avec scikit-learn pour évaluer plus robustement la performance d'un modèle d'apprentissage automatique.
scikit-learn
Chargement et exploration de données avec Scikit-learn
Dans ce laboratoire, vous apprendrez les bases du chargement et de l'exploration de jeux de données dans scikit-learn en utilisant le jeu de données classique Iris. Vous pratiquerez l'accès aux données, aux cibles et aux noms des caractéristiques, et effectuerez une visualisation simple.
scikit-learn
Prétraitement des données avec Scikit-learn
Dans ce laboratoire, vous apprendrez les techniques fondamentales de prétraitement des données dans scikit-learn, y compris la mise à l'échelle des caractéristiques avec StandardScaler et l'encodage de la cible avec LabelEncoder, en utilisant le jeu de données classique Iris.
scikit-learn
Installation et configuration de Scikit-learn
Dans ce laboratoire, vous apprendrez à vérifier votre installation de scikit-learn, à importer les modules nécessaires et à charger un jeu de données d'exemple pour débuter avec l'apprentissage automatique en Python.
scikit-learn
Classification KNN avec Scikit-learn
Dans ce laboratoire, vous apprendrez à utiliser scikit-learn pour construire un classificateur K-Nearest Neighbors (KNN), l'entraîner sur l'ensemble de données Iris et faire des prédictions sur de nouvelles données.
scikit-learn
Régression Linéaire avec Scikit-learn
Dans ce laboratoire, vous apprendrez à construire un modèle simple de régression linéaire en utilisant scikit-learn pour prédire les prix des logements en Californie.
scikit-learn
Évaluation de modèle Scikit-learn
Dans ce laboratoire, vous apprendrez à évaluer un modèle de classification scikit-learn à l'aide de diverses métriques, notamment l'accuracy, la matrice de confusion, la précision, le rappel et le score F1.
scikit-learn
Classification des iris à l'aide de SVM
Dans ce projet, vous allez apprendre à classifier l'ensemble de données iris à l'aide d'un modèle de classifieur à vecteurs de support (SVC). L'ensemble de données iris est un ensemble de données d'apprentissage automatique classique qui contient des informations sur différentes espèces d'iris, y compris leur longueur de sépale, leur largeur de sépale, leur longueur de pétale et leur largeur de pétale.
Pythonscikit-learn
Questions et Réponses d'Entretien Scikit-learn
Préparez vos entretiens Sklearn avec ce guide complet couvrant les concepts clés, les algorithmes, l'évaluation des modèles et les applications pratiques.
scikit-learn