Archives par catégorie: scikit-Learn

MNIST – lecture de la base

MNIST est le « Hello World » du Deep Learning. Nous avons déjà écrit plusieurs articles à son sujet afin de présenter diverses méthodes de résolution du problème de classification de chiffres manuscrits. MNIST – scikit-learn – code d’A. Geron Tensorflow – Notes sur le Tutoriel #1 de Magnus Erik Hvass Pedersen Depuis l’écriture de nos articles, […]

The Boston Housing Price dataset

Partant du principe qu’il vaut mieux s’adresser à Dieu au’à ses Saints, après avoir étudié The Boston Housing Price dataset avec (JM) Jojo Moolayil, présentons ici la version de F. Chollet (FC), l’auteur de Keras. Si le code de JM est très intéressant d’un point de vue pédagogique, il ne l’est pas en termes d’efficacité […]

Arbre de décision – Gini

  Les arbres de décision apprennent leurs règles en décidant quels attributs mettre à la racine de l’arbre puis de chacun des noeuds. La sélection d’attributs se fait le plus souvent en calculant soit l’indice Gini soit l’entropie. Pour notre exemple, nous nous inspirons de l’article how decision tree algorithm works. Dans notre exemple, nous avons […]

MNIST – scikit-learn – code d’A. Geron

MNIST est le Hello World du Machine Learning. Le présent article commente le code du §3 du livre d’Aurélien Geron. Rappel de ce que nous avons écrit à son sujet. Le livre Hands-On Machine Learning with Scikit-Learn and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems d’Aurélien Geron est très très bon. Il est complet, profond, bien […]