https://github.com/charlenry/machine_learning
Mon Notebook sur les fondamentaux du Machine Learning
https://github.com/charlenry/machine_learning
auc classifier clustering cross curve decision distribution k-means knn learning linear logistic machine normal polynomial regression roc scatter tree validation
Last synced: about 2 months ago
JSON representation
Mon Notebook sur les fondamentaux du Machine Learning
- Host: GitHub
- URL: https://github.com/charlenry/machine_learning
- Owner: charlenry
- Created: 2024-11-27T20:19:41.000Z (10 months ago)
- Default Branch: main
- Last Pushed: 2025-05-17T19:18:19.000Z (5 months ago)
- Last Synced: 2025-07-17T00:32:27.487Z (3 months ago)
- Topics: auc, classifier, clustering, cross, curve, decision, distribution, k-means, knn, learning, linear, logistic, machine, normal, polynomial, regression, roc, scatter, tree, validation
- Language: Jupyter Notebook
- Homepage:
- Size: 611 KB
- Stars: 0
- Watchers: 1
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
Awesome Lists containing this project
README
# Mon notebook sur les fondamentaux du Machine Learning
## Introduction
Je m'appelle **Charles-Henri SAINT-MARS** et je m'intéresse à l'IA, à la Data Science et au Machine Learning. Le notebook de ce dépôt contient mes notes de travaux pratiques sur les fondamentaux du Machine Learning.
## Les sujet abordés
Les sujets abordés dans ce notebook sont les suivants:
- Distribution des données
- Distribution nornale
- Nuage de points
- Régression linéaire
- Régression polynomiale
- Regression multiple
- Mise à l'échelle
- Entraînement et test de modèle
- Arbre de décision
- Matrice de confusion
- Regroupement hiérarchique
- Régression logistique
- Recherche par grille
- Prétraitement des données catégorielles
- K-means
- Le bagging
- Validation croisée
- Courbe ROC - AUC
- K-nearest neighbors (KNN)
## Conclusion
J'ai acquis une solide compréhension des concepts fondamentaux du Machine Learning, incluant les statistiques descriptives, la modélisation (régressions linéaire, polynomiale et logistique), ainsi que des techniques avancées comme les arbres de décision, le K-means, le KNN et la validation croisée. Je maîtrise également des outils essentiels tels que les matrices de confusion, les courbes ROC-AUC, et les techniques de prétraitement et de mise à l'échelle des données. Ces compétences me permettent de développer, évaluer et optimiser des modèles prédictifs dans divers contextes.
## Contact
[LinkedIn de Charles-Henri SAINT-MARS](https://www.linkedin.com/in/charles-henri-saint-mars)