La star des algorithmes de ML : XGBoost 7
Découvrez dans cet article pourquoi XGBoost est la star des compétition des Machine Learning … et surtout comment l'utiliser !
Modélisation
Bagage minimal de statistiques pour le Machine Learning 4
C'est bientôt la rentrée, il a fait chaud, la plage a été bonne et le sable bien chaud. Vous êtes donc bien reposé et prêt à attaquer la rentrée. C'est donc le bon moment pour remettre à plat quelques bases de statistiques qui vous permettront de mieux comprendre et utiliser les algorithmes de Machine Learning.
Machine Learning : La mise à l’echelle 2
Cet article explique par la pratique pourquoi et comment mettre à l'echelle (Feature Scaling) les caractéristiques d'un modèle de Machine Learning en œuvre avec Scikit-Learn.
MNSIT : Reconnaître les chiffres (Partie 2)
Dans ce second volet sur les données MNSIT, nous allons voir comment retoucher et préparer les données pour atteindre 97%.
MNSIT : Reconnaître les chiffres (Partie 1) 1
Lançons-nous dans la reconnaissance de chiffres avec le jeu de données bien connu MNSIT !
Tuning des hyper-paramètres de Machine Learning 3
Après le feature engineering, place au tuning des hyperparametres pour ajuster finement vos prédictions !
Titanic : Allons plus loin ! (Partie 2) 4
Au travers des données Kaggle du Titanic, l'idée de cet article est d'illustrer quelques techniques de features engineering.
Kaggle : Commencer avec le Titanic ! (Partie 1) 4
Lancez-vous dans votre première compétation Kaggle et obtenez 75% avec le Titanic !
Evaluer son modèle de classification binaire 3
Découvrez dans cet article comment evaluer et donc pouvoir optimiser sont modèle ML de classification.
La Régression Linéaire 3
Découvrez de manière simple et ludique comment fonctionne un algorithme de Régression Linéaire.