Archives par catégorie: scikit-Learn

MNIST – lecture de la base

MNIST est le « Hello World » du Deep Learning. Nous avons dĂ©jĂ  Ă©crit plusieurs articles Ă  son sujet afin de prĂ©senter diverses mĂ©thodes de rĂ©solution 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’Ă©criture de nos articles, […]

The Boston Housing Price dataset

Partant du principe qu’il vaut mieux s’adresser Ă  Dieu au’Ă  ses Saints, après avoir Ă©tudiĂ© The Boston Housing Price dataset avec (JM) Jojo Moolayil, prĂ©sentons ici la version de F. Chollet (FC), l’auteur de Keras. Si le code de JM est très intĂ©ressant d’un point de vue pĂ©dagogique, il ne l’est pas en termes d’efficacitĂ© […]

Arbre de dĂ©cision – Gini

  Les arbres de dĂ©cision apprennent leurs règles en dĂ©cidant quels attributs mettre Ă  la racine de l’arbre puis de chacun des noeuds. La sĂ©lection 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 prĂ©sent article commente le code du §3 du livre d’AurĂ©lien Geron. Rappel de ce que nous avons Ă©crit Ă  son sujet. Le livre Hands-On Machine Learning with Scikit-Learn and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems d’AurĂ©lien Geron est très très bon. Il est complet, profond, bien […]