Académique Documents
Professionnel Documents
Culture Documents
Un LSTM est une version améliorée des RNN conçue pour mieux
capturer les dépendances à long terme dans les données
séquentielles.
Il est doté d'une mémoire à court terme qui lui permet de stocker
et d'accéder à des informations sur de longues périodes de temps.
Ils sont utilisés dans des domaines où la compréhension du
contexte à long terme est importante, tels que la traduction
automatique et la génération de texte.
✔️ tf.keras.utils.image_dataset_from_directory(): Chargement
des données d'images à partir de répertoires pour
l'apprentissage en utilisant TensorFlow.
# Importing dataset
dataset = pd.read_csv('diesel_prices.csv')
# model
X = dataset.drop('diesel_price', axis=1)
y = dataset['diesel_price']
# Train
model = LinearRegression()
model.fit(X_train, y_train)
# Test
accuracy = model.score(X_test, y_test)
print("Model accuracy:", accuracy)
Questions Coursera :
NB: Pour l'examen, la certification "Machine Learning with
Python" sera présente soit partie QCM ou Partie Problème
Classification Linéaire
Question : Quel est l'objectif de SVM en termes d'hyperplans ?
Réponse : Choisir l'hyperplan qui représente la plus grande
marge entre les deux classes.
Réponse : 2, 5, 3, 1, 4
Examen Final
Question : Lequel des éléments suivants est un exemple de
problème de classification ?
Réponse : Toutes les réponses ci-dessus (Prédire si un e-mail
est un spam ou non, si un client achètera un article particulier
en fonction d'une campagne publicitaire et si un client achètera
un produit associé en fonction des achats précédents.)
@ym-G6