ML/DL
4 méthodes pour gérer les données manquantes en machine learning avec Pandas
Les données manquantes sont un des nombreux problèmes que vous êtes amenés à gérer lorsque vous travaillez sur des...
Comment gérer le déséquilibre des classes (imbalanced dataset) en machine learning ?
En machine learning il est très fréquent d’avoir à construire un modèle sur des données présentant un déséquilibre des...
Machine learning pour la classification automatique de musiques avec Python
Ilyes TALBI | Samir JEETO | Valentin DORE Mon attrait pour le machine learning vient du fait qu’il n’a...
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...
Le machine learning pour les systèmes de recommandations
Lundi soir, 20h00. Vous rentrez à la maison, épuisés d’une longue journée de travail. Vous vous installez confortablement devant...
Apprentissage par renforcement
Dans de précédents articles, nous avons parlé des méthodes d’apprentissages supervisé et non supervisé. Aujourd’hui je vous présente une autre méthode...
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,...
