Dés lors que vous allez commencer à mettre au point des modèles de Machine Learning vous aller vous confronter au délicat problème d'équilibre dans l'ajustement du biais et de la variance. Dans cet article je vous explique simplement comment mieux les comprendre et les ajuster.
Biais & Variance … dilemme ou compromis ?
Si cette méthode de « prédiction » basée sur les probabilités et les états/transitions a eu ses heures de gloire, elle semble aujourd'hui moins à la mode. Dans cet article nous reviendrons sur les principes fondamentaux des chaines de Markov et leur application en Python.
Les chaînes de Markov
L'objectif de cet article est de montrer au travers d'un cas concret et français la méthode pour effectuer une analyse de sentiments avec Python.
Analyse de sentiments sur des critiques de cinéma
Découvrez l'Auto-ML avec AutoGluon. Simple accélarateur ou véritable révolution dans la manière de créer des modèles de machine learning ? faites-vous une idée par la pratique …
Se lancer dans l'Auto-ML avec AutoGluon
Dans cet article nous allons voir par la pratique si le deep learning via keras pourra nous aider à trouver les survivants du Titanic plus efficacement que les algorithmes classiques.
Keras au secours du Titanic ?
Dans ce court article vous verrez comment en quelques lignes de code Python vous pouvez sauvegarder votre modèle et le rappeler.
La persistance des modèles de Machine Learning
Découvrez dans cet article comment utiliser le dernier né des algorithmes de boosting de gradient Open-Source : le CatBoost !
CatBoost !
Découvrez dans cet article pourquoi XGBoost est la star des compétition des Machine Learning … et surtout comment l'utiliser !
La star des algorithmes de ML : XGBoost
Après le feature engineering, place au tuning des hyperparametres pour ajuster finement vos prédictions !
Tuning des hyper-paramètres de Machine Learning
Découvrez dans cet article comment evaluer et donc pouvoir optimiser sont modèle ML de classification.
Evaluer son modèle de classification binaire