Classification supervisée - Algorithmes

Thème : Machine Learning supervisé
24 heures
Data Scientist Data Analyst

La classification a pour objectif de définir des règles permettant de classer des objets à partir de variables qualitatives ou quantitatives caractérisant ces objets. La bibliothèque scikit-learn offre un large répertoire d'algorithmes de classification, notamment : les séparateurs à vaste marge, la méthode des k-plus proches voisins, les arbres de décision, les forêts aléatoires. Elle contient également les outils nécessaires à chaque étape d'un projet de Machine Learning, de la préparation des données à l'évaluation des modèles.

Compétences acquises

- Implémenter un algorithme de Machine Learning classique
- Pré-traiter les données afin qu'elles conviennent aux modèles utilisés
- Évaluer un modèle à l'aide de la validation croisée et de différentes métriques
- Maîtriser les algorithmes d'ensemble de type boosting et bagging très utilisés en Machine Learning

Exemple de mise en pratique

- Provisionnement de fonds pour sinistres

- un cas pratique de Machine Learning supervisé : modèle prédictif de détection de Diabète

- Identification de molécules actives contre le virus du SIDA

Fermer le menu