Data science
Régression avec Random Forest : Prédire le loyer d’un logement à Paris
Dans les différents projets où l’on a utilisé random forest, il s’agissait de faire de la classification. Nous pouvons...
Régression linéaire : fonctionnement et exemple avec Python
Le problème le plus simple et le plus ancien en machine learning est la régression linéaire. Après avoir expliquer...
7 méthodes pour éviter l’overfitting
L’overfitting est un problème qui est souvent rencontrés en machine learning. Il survient lorsque notre modèle essaye de trop...
XGBoost vs Random Forest : prédire la gravité d’un accident de la route
Dans cet article on compare les algorithmes Random Forest et XGBoost, en travaillant sur un projet de prédictions. L’objectif...
Support Vector Machines (SVM)
Vous savez tous que les algorithmes de machine learning sont classés en deux catégories : apprentissage non-supervisé et apprentissage supervisé. Aujourd’hui,...
Qu’est-ce que le clustering ? Les 3 méthodes à connaitre
Il y a quelques semaines, nous vous proposions une introduction à l’apprentissage non supervisé. Grand concept du machine learning, il...
Explicabilité des modèles : ne croyez pas aveuglement ce que l’IA vous dit !
Nous y sommes ! Les IA sont là ! L’IA de YouTube a plus de pouvoir que le président...
Réseaux de neurones : toute l’histoire du Perceptron
L’année dernière, pour la série Les algorithmes aussi ont des neurones, je vous avais introduit le perceptron multicouche… En me...
Approche mathématique pour le traitement et le clustering de données sonores
Un des aspects qui freinent le développement du machine learning, est que le traitement des données non-structurés est encore...
Le dilemme Exploration-Exploitation pour l’apprentissage par renforcement
Dans notre société, il nous est souvent reproché de ne pas oser sortir des sentiers battus. Allant parfois jusqu’à...
