Ce tutoriel vous montre une démarche efficace pour développer de bons modeles de machine learning :
1) Entrainer et évaluer une liste de modeles avec les reglages de base
2) Retenir les 2-3 modeles avec le meilleur score de test, en privilégiant les situations de non-overfitting
3) Optimiser les hyper-parametres de ces modeles avec un tour GridSearchCV, puis un tour RandomizedSearchCV
4) régler un threshold pour obtenir le recall ou la précision désiré
► Me soutenir financierement sur Tipeee (et obtenir des vidéos BONUS)
https://fr.tipeee.com/machine-learnia

► REJOINS NOTRE COMMUNAUTÉ DISCORD
  / discord  

► ARTICLE EN COMPLÉMENT DE CETTE VIDÉO:
https://www.machinelearnia.com/


► Recevez gratuitement mon Livre:
APPRENDRE LE MACHINE LEARNING EN UNE SEMAINE
CLIQUEZ ICI:
https://www.machinelearnia.com/appren...

► Téléchargez gratuitement mes codes sur github:
https://github.com/MachineLearnia

► Abonnez-vous :    / @machinelearnia  

► Pour En Savoir plus : Visitez Machine Learnia : https://www.machinelearnia.com/

► Qui suis-je ?
Je suis Guillaume Saint-Cirgue, Senior Data Scientist avec plus de 8 ans d’expérience dans les secteurs de la tech, l’aviation, la robotique, l’énergie, et les usines connectées.

En 2019, j’ai créé Machine Learnia dans le but de partager mes connaissances dans le domaine de l’intelligence artificielle. Mon objectif est d’expliquer en détail le fonctionnement du Machine Learning et de ses algorithmes, tout en rendant ces concepts accessibles à tous.

Je suis convaincu qu'il ne suffit pas de survoler l'aspect mathématique de ce domaine; il est essentiel de s'y plonger en profondeur pour se démarquer. Cette approche a déjà convaincu plus de 150 000 personnes, et ceux que je forme aujourd'hui comptent parmi les meilleurs du secteur.

► Une question ? Contactez-moi: [email protected]