ML Applications 2022

Dr. ASRI

2022-12-04

Contents
1. Problème de Classification 1

2. Problème de Régression 1

1. Problème de Classification
Lire les données hrt.csv
1. utiliser un seed (1) et créer un ensemble d’apprentissage et de test (25%)
2. utiliser les connaissances déjà acquises pour créer un modèle pour prédire l’attrition des employeurs.
L’étudiant peut choisir entre tous les modèles déjà abordés en cours. L’étudiant à le choix d’utilisation de
n’importe quelle recette ou engine ou grille d’évaluation (si une étape d’optimisation des hyperparamètres
est ajoutée)
3. Donner les différents résultats nécessaires (Matrice de confusion, courbe Roc, les différentes métriques
calculées, l’importance des variable si applicable et le graphique de l’arbre de décision si applicable)
Pour comparer les différents modèles on utiilise AUC.

2. Problème de Régression
Lire les données turbines.csv
1. utiliser un seed (1) et créer un ensemble d’apprentissage et de test (25%)
2. utiliser les connaissances déjà acquises pour créer un modèle pour prédire l’attrition des employeurs.
L’étudiant peut choisir entre tous les modèles déjà abordés en cours. L’étudiant à le choix d’utilisation de
n’importe quelle recette ou engine ou grille d’évaluation (si une étape d’optimisation des hyperparamètres
est ajoutée)
3. Donner les différents résultats nécessaires (les prédictions, les différentes métriques calculées, l’importance
des variable si applicable et le graphique de l’arbre de décision si applicable)
Pour comparer les différents modèles on utilise RMSE.