Description du cours
Dans ce chapitre, vous découvrirez les concepts et les techniques d’apprentissage supervisé. Il couvrira la régression linéaire et logistique. Vous en apprendrez davantage sur les machines vectorielles de support et leurs utilisations. Ce chapitre couvre également les arbres de décision, les forêts aléatoires, l’apprentissage d’ensemble et la façon dont ils sont tous liés. Les réseaux de neurones sont également abordés dans ce chapitre.
Objectifs de la formation :
- En savoir plus sur diverses techniques d’apprentissage automatique de supervision
- En savoir plus sur les avantages des ensembles par rapport aux classificateurs de base uniques
Les compétences:
- Apprendre à implémenter la régression logistique et linéaire en Python
- Apprendre à implémenter des machines vectorielles de support en Python
- Découvrir comment implémenter des arbres de décision et des forêts aléatoires en Python
- Apprendre à implémenter des réseaux de neurones en Python
Ce que vous allez apprendre
- Appliquer la régression linéaire et logistique en tant que techniques d'apprentissage supervisé
- Utiliser des machines à vecteurs de support et comprendre leurs utilisations
- Construire des arbres de décision et des forêts aléatoires et comprendre comment ils se rapportent
- Explorer l'apprentissage d'ensemble et les avantages des ensembles par rapport aux classificateurs de base uniques
- Comprendre les réseaux de neurones dans l'apprentissage automatique supervisé
Points clés à retenir
- Ce chapitre couvre les concepts et techniques d'apprentissage supervisé, y compris la régression linéaire et logistique.
- Les machines à vecteurs de support et leurs utilisations sont abordées aux côtés des arbres de décision et des forêts aléatoires.
- Le chapitre explique les arbres de décision, les forêts aléatoires et l'apprentissage d'ensemble, et comment ils sont tous liés.
- Il met en évidence les avantages des ensembles par rapport aux classificateurs de base uniques.
- Les réseaux de neurones sont également abordés dans le cadre de l'apprentissage automatique supervisé.
Foire aux questions
Quelles techniques d'apprentissage automatique supervisé ce chapitre couvre-t-il ?
Il couvre la régression linéaire et logistique, les machines à vecteurs de support, les arbres de décision, les forêts aléatoires, l'apprentissage d'ensemble et les réseaux de neurones.
Qu'apprendrai-je sur les ensembles dans ce cours ?
Vous apprendrez ce qu'est l'apprentissage d'ensemble et les avantages des ensembles par rapport aux classificateurs de base uniques, ainsi que la manière dont les arbres de décision, les forêts aléatoires et l'apprentissage d'ensemble sont liés.
Sur quelles compétences ce cours se concentre-t-il ?
Il se concentre sur l'apprentissage supervisé, les algorithmes et méthodes d'apprentissage automatique, les méthodes d'exploration de données et l'apprentissage par arbre de décision.
Les réseaux de neurones sont-ils inclus dans ce chapitre ?
Oui, les réseaux de neurones sont abordés dans ce chapitre.
