Vous utilisez un navigateur obsolète, veuillez le mettre à jour.
En poursuivant votre navigation sur le site, vous acceptez l’utilisation de cookies par OpenClassrooms pour vous proposer des services et offres adaptées à vos centres d’intérêts. Notre politique de cookies.
Accepter
Dans ce cours, vous allez apprendre à entraîner des algorithmes linéaires de régression et de classification : régression linéaire et logistique, leurs versions régularisées (ridge, lasso, elastic net), et SVMs en particulier. Vous apprendrez aussi à utiliser des algorithmes de classification binaire pour faire de la classification multi-classe.
N'hésitez pas à poser vos questions ici et à échanger les uns avec les autres ! Je ferai de mon mieux pour vous répondre régulièrement.
Si vous avez une question concernant le fonctionnement du cours (accès aux exercices, envoi des exercices, inscription au cours…), contactez directement OpenClassrooms à hello@openclassrooms.com
1. Il semble que le fichier "prostate" accessible via le lien ne soit pas le même (en CSV et surtout sans la colonne de booléen), ce qui nécessite de faire +1 dans les indices pour créer X et y, par exemple pour X :
X_train = raw_data.iloc[:60,1:-2]
2. Il manque la déclaration du ridge, je suppose :
from sklearn.linear_model import Ridge ridge = linear_model.Ridge()
Les cours ML sont excellents, merci.
Olivier
- Edité par OlivierChotin 10 juillet 2017 à 17:52:19
j'aurais une petite question, dans le premier projet a rendre, on demande deux amelioration de model, est ce que utilise get_dummies pour les categories en est une ? a fin de convertire les arrondissements en feature. Je ne vois pas d autre type de chose que je dois faire, peut etre utilise une regression avec un polynome?
Bonjour, pour le quizz j'obtiens également sur Excel un beta différent.
En ce qui concerne le jeu de donnée du TP - Comparez le comportement du lasso et de la régression ridge , il est inaccessible. Pouvez vous le rendre accessible asap?
j ai eu un algorithme TSNE des données numeriques, j ai eu des classes des données mais j ai pas pu lire ces classes et comment interpreter les resultats obtenus .
Concernant l'évaluation 1ère partie, je ne trouve pas du tout le béta de la correction, si on pouvait avoir votre calcul détaillé.
Concernant le TP : il y a un problème manifeste sur les données car le Ridge sur données standardisées n'a pas d'effet positif (réduction de l'erreur quadratique comparée à la baseline).
par ailleurs, votre version cours n'intègre pas la standardisation ni l'import de Ridge...