Ce que vous devez savoir avant
de commencer

Débute 27 June 2025 20:48

Se termine 27 June 2025

00 Jours
00 Heures
00 Minutes
00 Secondes
course image

Utilisez des modèles supervisés non linéaires

Dans le cours Entraînez un modèle prédictif linéaire, vous avez appris à construire des modèles linéaires de classification binaire ou multi-classe et de régression. Mais ceux-ci peuvent ne pas être adaptés à la nature de vos données. Dans ce cours, vous apprendrez à entraîner des modèles supervisés non-linéaires sur vos données. Vous comprendre.
via OpenClassrooms

5 Cours


Non spécifié

Mise à niveau optionnelle disponible

Tous les niveaux

Progressez à votre rythme

Free

Mise à niveau optionnelle disponible

Aperçu

Dans le cours Entraînez un modèle prédictif linéaire, vous avez appris à construire des modèles linéaires de classification binaire ou multi-classe et de régression.

Mais ceux-ci peuvent ne pas être adaptés à la nature de vos données. Dans ce cours, vous apprendrez à entraîner des modèles supervisés non-linéaires sur vos données.

Vous comprendrez comment construire un modèle non-linéaire grâce à une redescription des données, et saurez utiliser les méthodes à noyaux, qui permettent d’étendre les notions de SVM et de régression ridge au cas non-linéaire.

Prérequis :

Ce cours fait partie du parcours Data Scientist.

Il se situe au croisement des mathématiques et de l'informatique. Pour en profiter pleinement, n'hésitez pas à vous rafraîchir la mémoire, avant ou pendant le cours, sur :

  • Python pour le calcul numérique (numpy) et la création de graphiques (pyplot), que nous utiliserons dans les parties TP du cours,
  • Quelques notions d'algèbre linéaire :

    manipulation de vecteurs, multiplications de matrices, normes, et valeurs/vecteurs propres,

  • Quelques notions de probabilités et statistiques, telles que distribution de loi de probabilité et variance,
  • Les notions de régression linéaire ridge et SVM.


Enseigné par

Chloé-Agathe Azencott


Sujets