Les bases de l’apprentissage automatique

Dans ce chapitre, nous introduirons les bases de l’apprentissage automatique classique. Nous présenterons l’apprentissage automatique supervisé et non supervisé et traiterons un ensemble de données simple. Comme le nombre d’algorithmes utilisés dans ce domaine est écrasant, nous n’introduirons que deux méthodes classiques : le Random Forest Classifier (supervisé) et le clustering k-means (non supervisé). Avec les connaissances acquises en utilisant ces deux méthodes, on peut également utiliser d’autres implémentations car ces algorithmes fonctionnent tous de manière similaire, du moins du point de vue de l’utilisateur.

Pour avoir une perspective plus large sur les algorithmes et méthodes disponibles, le lecteur est invité à consulter la documentation de scikit-learn et la chaîne YouTube de Digital Sreeni.

Bibliothèques Python utilisées dans ce chapitre

Nous utiliserons scikit-learn qui peut être installé comme suit :

mamba install scikit-learn