Les approches de l'apprentissage automatique basées sur la similarité partent de l'idée que la meilleure façon de faire des prédictions est de simplement regarder ce qui a bien fonctionné dans le passé et de prédire à nouveau la même chose. Nous allons commencer par l'explication des mesures de similarité. L'une des métriques de caractéristiques les plus connues est la distance euclidienne qui calcule la longueur de la ligne droite entre deux points. La distance euclidienne est définie avec la formule mathématique suivante : Nous choisissons la fonction de distance en fonction des types de données que nous traitons. Si nous avons des données quantitatives du même type (par exemple : poids, salaire, taille, montant du panier, etc.), la distance euclidienne semble être un bon choix. Pour faire une prédiction, l'algorithme KNN va utiliser l'ensemble du jeu de données. En effet, pour une observation qui ne fait pas partie du jeu de données et qui est la valeur ré...
Aujourd'hui nous allons expliquer l'arbre de décision - un algorithme basique du Machine Learning. Un arbre de décision a de nombreuses analogies dans la vie réelle et il s'avère qu'il a influencé un vaste domaine de l'apprentissage automatique, permettant à la fois de résoudre des problèmes de classification et de régression. En analyse décisionnelle, un arbre de décision peut être utilisé pour représenter visuellement et explicitement les décisions. Chaque arbre possède un nœud racine (root node) qui correspond à une question, par lequel passent les entrées. Ce nœud racine est ensuite divisé en ensembles de nœuds de décision (decision node) où les résultats et les observations sont basés sur des conditions. Si un nœud ne se divise pas en d'autres nœuds, il est appelé une feuille qui ensuite contiendra la réponse à notre question. Une sous-section d'un arbre décisionnel est appelée une branche (branch). Cela peut être visualiser avec l'aide de schéma ...
interesting video !
RépondreSupprimermerci beaucoup!
RépondreSupprimerThx !
RépondreSupprimerMerci d'avoir partagé
RépondreSupprimer