Remerciez-le!

Remerciez @Admin pour avoir partagé cet document gratuitement, de la manière la plus simple, en partageant sur les réseaux sociaux.

Algo ml Chapitre Principaux algorithmes du Machine LearningCe que nous allons découvrir et les prérequis PrincipauxalgorithmesduMachineLearning Dans le chapitre précédent nous avons découvert ou redécouvert les fondamentaux de l'analyse statistique descri

Chapitre Principaux algorithmes du Machine LearningCe que nous allons découvrir et les prérequis PrincipauxalgorithmesduMachineLearning Dans le chapitre précédent nous avons découvert ou redécouvert les fondamentaux de l'analyse statistique descriptive qui nous le verrons par la pratique nous permettront de comprendre et de préparer nos données avant l'apprentissage Nous allons à présent faire connaissance avec les principaux algorithmes du Machine Learning qui vont nous permettre de réaliser cet apprentissage Attention notre objectif en écrivant cet ouvrage est de vulgariser les concepts de l'intelligence arti ?cielle Par conséquent nous n'y aborderons pas les explications théoriques et mathématiques de chaque algorithme d'apprentissage Nous nous contenterons d'une explication la plus explicite possible illustrée par un ou plusieurs exemples le cas échéant Si nous devions faire un parallèle avec le monde du bricolage nous allons vous présenter les di ?érents outils à utiliser en fonction du travail à réaliser mais nous ne vous expliquerons pas comment ils ont été fabriqués Nous vous conseillons de considérer ce chapitre comme un aide-mémoire dans lequel vous pourrez venir vous référer au fur et à mesure de votre lecture a ?n de comprendre pourquoi nous utilisons tel ou tel algorithme et en comprendre son fonctionnement dans les grandes lignes C Intelligence Arti ?cielle Vulgarisée Le Machine Learning et le Deep Learning par la pratique Remarque Prérequis nécessaires pour bien aborder ce chapitre avoir lu le chapitre Des statistiques pour comprendre les données Supervisé ou non supervisé Régression ou classi ?cation Réaliser un apprentissage supervisé consiste à fournir à la machine des données étiquetées labellisées et propices à l'apprentissage C ? est-à-dire que nous allons analyser et préparer les données et leur donner une signi ?cation C'est à partir de cette signi ?cation que la machine va réaliser son apprentissage L'objectif étant d'indiquer à la machine que pour une série de données et pour une observation précise la valeur à prédire est un chat un chien ou bien une autre valeur Lorsqu'il s'agit de prédire une valeur nous parlerons alors de régression dans le cas contraire nous parlerons de classi ?cation Prédire le pourcentage de réussite d'une équipe de football lors d'un match est une régression prédire que la photo a ?chée est un chat ou un chien est une classi ?cation Les algorithmes d'apprentissage supervisés pour la régression prédiction de valeurs La régression linéaire univariée linear regression Cet algorithme cherche à établir sous forme d'une droite une relation entre une variable expliquée et une variable explicative Par exemple prédire une note à un examen variable expliquée en fonction du nombre d'heures de révisions variable explicative En d'autres termes les données d'une série d'observations sont représentées sous forme d'un nuage de points et l'on cherche à trouver une droite passant au plus près de ces points ? Editions ENI - All rights reserved CPrincipaux algorithmes du Machine Learning Chapitre Régression linéaire univariée Ainsi connaissant le nombre d'heures de révisions il nous est possible de prédire approximativement la note que l'on obtiendra au prochain examen La régression linéaire multiple Multiple Linear