Tutoriel sur l'apprentissage automatique

Découvrir des motifs cachés en Python avec l'extraction de règles d'association (Association Rule Mining)

Découvrez l'algorithme d'apprentissage par renforcement sans modèle le plus populaire grâce à un tutoriel Python.

Cet article explique comment et quand utiliser la classification par k-voisins les plus proches avec scikit-learn. L'accent est mis sur les concepts, le déroulement des opérations et les exemples. Nous abordons également les mesures de distance et la manière de sélectionner la meilleure valeur pour k à l'aide de la validation croisée.

Découvrez les techniques, les applications et les outils d'augmentation des données grâce à un tutoriel sur TensorFlow et Keras.

Ce tutoriel couvre le stemming et la lemmatisation d'un point de vue pratique en utilisant le package Python Natural Language ToolKit (NLTK).

Apprenez ce qu'est le k-means et découvrez pourquoi c'est l'un des algorithmes de clustering les plus utilisés en science des données.

Dans ce tutoriel, apprenez à appliquer le clustering k-Means avec scikit-learn en Python

Découvrez les techniques de régression lasso et ridge. Comparez et analysez les méthodes en détail.

Découvrez la régression logistique, ses propriétés de base, et construisez un modèle d'apprentissage automatique sur une application réelle en Python à l'aide de scikit-learn.

Découvrez la puissance de XGBoost, l'un des frameworks d'apprentissage automatique les plus populaires parmi les data scientists, avec ce tutoriel pas à pas en Python.

Le regroupement est la forme la plus courante d'apprentissage non supervisé, un type d'algorithme d'apprentissage automatique utilisé pour tirer des conclusions à partir de données non étiquetées.

Dans ce tutoriel, vous découvrirez les machines à vecteurs de support, l'un des algorithmes d'apprentissage automatique supervisé les plus populaires et les plus utilisés.