2. Data Science in Marketing - super vidéo!

-

Aujourd'hui je vous partage cette vidéo qui explique le rôle de Data Science dans le Marketing!



Que pensez-vous?

Commentaires

Enregistrer un commentaire

Posts les plus consultés de ce blog

3. Qu’est-ce que « le Machine Learning » ?

-
Image
Les humains ont toujours rêvé de prédire l’avenir. La mise en œuvre de l’apprentissage automatique a facilité cette ambition. Afin de répondre à la question posée, nous pouvons utiliser la définition suivante :   « Le Machine Learning est un ensemble d'outils statistiques ou géométriques et d'algorithmes informatiques qui permettent à une machine d’apprendre à partir d’un jeu de données, pour ensuite réaliser une tâche, sans avoir été explicitement programmée à cet effet. » Nous pouvons différencier les deux catégories du Machine Learning : Supervisé : les algorithmes supervisés extraient de la connaissance à partir d’un jeu de données. Le modèle apprend la relation entre un ensemble de caractéristiques descriptives et une caractéristique cible. Nous pouvons utiliser ce modèle pour faire des prédictions de nouvelles observations (exemple : Régression). Non supervisé : les algorithmes cherchent à organiser les données en catégories. Dans ce cas, comme l’apprentissage ne présu...
Lire la suite

6. Que-est ce que c'est un arbre de décision? - Introduction

-
Image
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 ...
Lire la suite

8. L'arbre de décision - les avantages et les inconvénients

-
Image
Maintenant comme vous connaissez déjà la notion d'arbre de décision, nous pouvons introduire les deux types d'arbre ainsi que parler des avantages et des inconvénients . Types d'arbre de décision Nous pouvons différencier deux types des arbres de décision qui sont classés en fonction des variables cibles : Categorical variable decision tree -  dans ce cas, l'algorithme a une variable cible catégorique. Par exemple, la prédiction du prix relatif d'une maison dans l'une des trois catégories suivantes : faible, moyen ou élevé. Les caractéristiques peuvent inclure la surface, le nombre de chambres, la présence d’un jardin et le quartier. L'arbre de décision apprend de ces caractéristiques et, après avoir fait passer chaque point de données par chaque nœud, il aboutit à un nœud feuille de l'une des trois cibles catégoriques : faible, moyen ou élevé. Continuous variable decision tree -  dans ce cas, les caractéristiques entrées dans l'arbre de décision ...
Lire la suite