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 […]

Tensorflow – Notes sur le Tutoriel #3C de Magnus Erik Hvass Pedersen – Keras API – Functional Model

Ce tutoriel ne peut être li qu’après avoir étudié le tutoriel #3c (2ème partie) et le tutoriel #2 car on y trouve de nombreux éléments communs qui ne sont pas re-expliqués ici. Cet article commente le tutoriel Tensorflow #3c de Magnus Erik Hvass Pedersen  : Keras API. Le code est ici et la vidéo ici (en anglais). Les convolutions ne sont […]

Tensorflow – Notes sur le Tutoriel #3C de Magnus Erik Hvass Pedersen – Keras API – Sequential Model

Il est fortement recommandé d’avoir étudié le tutoriel #1 et le tutoriel #2 avant celui-ci car on y trouve de nombreux éléments communs qui ne sont pas re-expliqués ici. Cet article commente le tutoriel Tensorflow #3 de Magnus Erik Hvass Pedersen  : Keras API. Le code est ici et la vidéo ici (en anglais). Les convolutions ne sont pas […]

Tensorflow – Notes sur le Tutoriel #1 de Magnus Erik Hvass Pedersen – Simple Linear Model

Cet article commente le tutoriel Tensorflow #1 de Magnus Erik Hvass Pedersen  : Simple Linear Model. La vidéo du tutoriel est ci-dessous (en anglais). A moins d’être déjà bien familier avec Tensorflow (Tf) et le Machine Learning (ML), il est peu probable que tout soit très clair pour vous – non pas que ce tutoriel est mauvais […]

Random Forest

Cet article explique les forêts aléatoires (Random Forest) en commentant le cours INTRODUCTION TO RANDOM FORESTS de Jeremy Howard (probablement le meilleur formateur au Machine Learning et au Deep Learning). Le principe de la formation retenue par Jeremy est toujours de partir du code, de l’expliquer, d’arriver ensuite à la théorie. On apprend en codant. Ceci suppose de […]

Recension de Machine Learning with TensorFlow de Nishant Shula

Le livre est publié par les éditions MEAP Edition (Manning Edition), un éditeur qui présente de très nombreux livres sur le machine learning. La version étudiée ici est sortie en 2017. L’auteur est Nishant Shula.

Anaconda

Si vous travaillez en local, c’est à dire si vous n’utilisez que les ressources de votre ordinateur pour vos développements, alors choisissez d’installer Anaconda. Comme le dit Wikipedia : Anaconda est une distribution libre et open source1 des langages de programmation Python et R appliqué au développement d’applications dédiées à la science des données et à l’apprentissage automatique (traitement de données à […]