Ecosyste.ms: Awesome
An open API service indexing awesome lists of open source software.
https://github.com/benjdiasaad/random_forest
Présentation pptx sur l'algorithme Random Forest et l'utilisation de la forêt aléatoire pour un problème de régression
https://github.com/benjdiasaad/random_forest
algorithme-random-forest data-mining decision-tree ensemble-learning machine-learning random-forest random-forest-regression scikit-learn supervised-learning
Last synced: 14 days ago
JSON representation
Présentation pptx sur l'algorithme Random Forest et l'utilisation de la forêt aléatoire pour un problème de régression
- Host: GitHub
- URL: https://github.com/benjdiasaad/random_forest
- Owner: benjdiasaad
- Created: 2021-02-07T14:36:21.000Z (almost 4 years ago)
- Default Branch: main
- Last Pushed: 2021-03-04T18:10:05.000Z (almost 4 years ago)
- Last Synced: 2024-11-19T02:58:00.362Z (3 months ago)
- Topics: algorithme-random-forest, data-mining, decision-tree, ensemble-learning, machine-learning, random-forest, random-forest-regression, scikit-learn, supervised-learning
- Language: Jupyter Notebook
- Homepage:
- Size: 2.49 MB
- Stars: 2
- Watchers: 2
- Forks: 1
- Open Issues: 1
-
Metadata Files:
- Readme: README.md
Awesome Lists containing this project
README
Algorithme de forêt aléatoire avec Python et Scikit-Learn
==================**Présentation pptx sur l'algorithme Random Forest et l'utilisation de la forêt aléatoire pour un problème de régression**
## Définition du problème
Le problème ici est de prédire la consommation de gaz (en millions de gallons) dans 48 des États américains sur la base
de la taxe sur l'essence (en cents), du revenu par habitant (en dollars), des autoroutes pavées (en miles) et de la proportion
de la population permis de conduire.## Solution
Pour résoudre ce problème de régression, nous utiliserons l'algorithme de forêt aléatoire via la bibliothèque Scikit-Learn Python.
Nous suivrons le pipeline traditionnel d'apprentissage automatique pour résoudre ce problème. Suivez les étapes mentionnées dans notre notebook **Using_random_forest_for_regression**## Assigned By