Vous avez découvert le concept d’apprentissage supervisé dans le cours Initiez-vous au machine learning. Dans ce cours, vous avez appris à évaluer un modèle de classification ou de régression…
Il est maintenant temps de découvrir les algorithmes classiques du machine learning supervisé. Dans ce cours, vous apprendrez à maîtriser les algorithmes dont la fonction de décision est une combinaison linéaire des variables.
Vous découvrirez en particulier la régression linéaire et la régression logistique. Vous apprendrez à contrôler les poids affectés à chacune des variables pour éviter le sur-apprentissage ou construire des modèles parcimonieux. Vous comprendrez le fonctionnement des machines à vecteurs de support (SVM). Enfin, vous saurez résoudre des problèmes de classification à plus de deux classes.
Suivez ce cours pour développer des modèles linéaires prédictifs sur vos données !
Prérequis :
Ce cours de Data Science se situe au croisement des mathématiques et de l'informatique. Pour en profiter pleinement, n'hésitez pas à vous rafraîchir la mémoire, avant ou pendant le cours, sur :
- Python pour le calcul numérique que nous utiliserons dans la partie TP du cours (librairie numpy et création de graphes avec pyplot),
- Quelques notions d'algèbre linéaire, telles que manipulation de vecteurs, multiplications de matrices, normes,
- Quelques notions de probabilités et statistiques, telles que distribution de loi de probabilité et variance.
