Académique Documents
Professionnel Documents
Culture Documents
Apprentissage automatique
d. Apprentissage et test
Conclusion
Introduction
L’apprentissage automatique ou machine learning en anglais est un champ d’étude de
pour donner aux ordinateurs la capacité d’apprendre à partir de données, c’est-à -dire
Python3
b. Anaconda
Anaconda est une distribution libre et open source des langages de programmation
Python et R appliqué au développement d'applications dédiées à la science des
données et à l'apprentissage automatique, qui vise à simplifier la gestion des paquets
et de déploiement.
c. Jupyter
Jupyter est une application web utilisée pour programmer différente langages de
programmation, dont Python, Julia, Ruby et tant d’autres. C'est un projet
communautaire dont l'objectif est de développer des logiciels libres, des formats
ouverts et des services pour l'informatique interactive. C’est une évolution du
projet IPython et permet de réaliser des calepins ou notebooks, c'est-à -dire des
programmes contenant à la fois du texte en markdown et du code. Ces calepins
sont utilisés en science des données pour explorer et analyser des données.
ou une mine. Il n'y aura donc que deux options possibles nous permettant de
classer notre prédiction dans l'une ou l'autre catégorie. Il s'agira donc bien d'un
l’observation suivante.
Avec la commande Head () on peut afficher les toutes premières ligne de notre
data frame.
Combien de classes ?
Nous avons deux classes dont la classe R comme ROCHER et M qui représente les objets
de type MINE
Avec la commande value_counts( ) nous constatons qu’il y’a 111 objet de type Minier(M)
Les 60 premier sont de variables qui vont de F1 A F60 et leur type est Float64
Combien d’exemples ?
d. Apprentissage et test
Observations
Lorsqu’on change la valeur du paramètre k a 3 nous avons les scores suivants
Au vu de voir le comportement du score lorsqu’on joue sur le paramètre k, nous
avons pensé a utilisé une boucle for pour k allant de 1 à 50 calculer le score
On peut dire alors que plus la valeur de k (KNeighborsClassifier) est grand plus
victoire, c'est donc une valeur et c'est naturellement que nous utiliserons
Conclusion