book

Le Machine learning avec Python

by Sarah Guido, Andreas C. Mueller

February 2018

Intermediate to advanced

364 pages

10h 49m

French

Editions First

Read now

Unlock full access

Qui devrait lire ce livre ?Pourquoi nous avons écrit ce livreNaviguer dans le livreConventions utilisées dans ce livreUtiliser les exemples de code
Pourquoi l’apprentissage automatique ?Les problèmes que l’apprentissage automatique peut résoudreComprendre votre but et comprendre vos donnéesPourquoi Python ?scikit-learnInstaller scikit-learnAnacondaEnthought CanopyPython(x,y)Librairies et outils essentielsJupyter NotebookNumPySciPymatplotlibpandasmglearnPython 2 versus Python 3Versions utilisées dans ce livreUne première application : classifier des espèces d’irisÀ la rencontre des donnéesMesurer la réussite : entraîner et tester les donnéesAu commencement de tout : vérifier vos donnéesConstruire votre premier modèle : les K plus proches voisinsFaire des prédictionsÉvaluer le modèleRésumé et perspectives
Classification et régressionGénéralisation, surapprentissage et sous-apprentissageRelation entre complexité du modèle et taille du jeu de donnéesAlgorithmes pour l’apprentissage automatique superviséExemples de jeux de donnéesLes k plus proches voisinsClassification k-NNAnalyser KNeighborsClassifierRégression avec les k plus proches voisinsAnalyser KNeighborsRegressorForces, faiblesses et paramètresModèles linéairesModèles linéaires pour la régressionRégression linéaire (ou méthode des moindres carrés ordinaires)Régression ridgeLassoModèles linéaires pour la classificationModèles linéaires pour la classification multiclasseForces, faiblesses et paramètresClassifieurs bayésiens naïfsForces, faiblesses et paramètresArbres de décisionConstruire des arbres de décisionContrôler la complexité des arbres de décisionAnalyser les arbres de décisionImportance des caractéristiques dans les arbresForces, faiblesses et paramètresEnsembles d’arbres de décisionForêts aléatoiresBoosting d’arbres de régressionSVM à noyauModèles linéaires et caractéristiques non linéairesL’astuce du noyauComprendre les SVMAjuster les paramètres du SVMPrétraitement des données pour les SVMRéseaux de neurones (deep learning)Le modèle de réseau de neuronesAjuster les réseaux de neuronesForces, faiblesses et paramètresEstimer la complexité des réseaux de neuronesEstimer l’incertitude pour les classifieursLa fonction de décisionPrédire les probabilitésClassification multiclasse et incertitudeRésumé et perspectives
Types d’apprentissages non supervisésLes défis de l’apprentissage non superviséPrétraitement et recalibrageDifférents types de prétraitementAppliquer des transformations aux donnéesRecalibrer de la même manière le jeu d’apprentissage et le jeu de testEffet du prétraitement sur l’apprentissage superviséRéduction de la dimension, extraction de caractéristiques et apprentissage de variétésAnalyse en composantes principales (PCA)Appliquer PCA au jeu de données cancer pour la visualisationExtraction de caractéristiques par eigenfacesFactorisation en matrices non négatives (NMF)Appliquer NMF à des données synthétiquesAppliquer NMF aux images de visagesApprentissage de variétés avec t-SNEClusteringPartitionnement en k-moyennesRisques d’échec du partitionnement en k-moyennesQuantification vectorielleClustering agglomératifClustering hiérarchique et dendrogrammesDBSCANComparer et évaluer les algorithmes de clusteringÉvaluer le clustering à partir de la réalité de terrainÉvaluer le clustering indépendamment de la réalité de terrainComparer les algorithmes sur le jeu de données des visagesRésumons les méthodes de clusteringRésumé et perspectives
Variables catégoriellesEncodage one-hot (variables indicatrices)Vérifier les chaînes de caractères dans les données catégoriellesLes nombres peuvent encoder des catégoriesBinning, discrétisation, modèles linéaires et arbresInteractions et polynômesTransformations non linéaires univariéesSélection automatique de caractéristiquesStatistiques univariéesSélection de caractéristiques basée sur le modèleSélection itérative de caractéristiquesSavoir utiliser l’expertiseRésumé et perspectives
Validation croiséeValidation croisée dans scikit-learnBénéfices de la validation croiséeValidation croisée à k-plis stratifiée et autres stratégiesPlus de contrôle sur la validation croiséeValidation croisée leave-one-outValidation croisée shuffle-splitValidation croisée avec groupesRecherche sur grilleExemple simple de recherche sur grilleLe danger du surapprentissage des paramètres et du jeu de validationRecherche sur grille avec validation croiséeAnalyser le résultat de la validation croiséeEffectuer des recherches sur des espaces qui ne sont pas des grillesUtiliser différentes stratégies de validation croisée avec la recherche sur grilleValidation croisée imbriquéeParalléliser validation croisée et recherche sur grilleMétriques d’évaluation et scoringNe jamais oublier le but finalMétriques d’évaluation pour la classification binaireTypes d’erreursJeux de données déséquilibrésMatrices de confusionPrendre en compte l’incertitudeCourbes précision-rappel et courbes ROCCourbe ROC (Receiver operating characteristic) et AUCMétriques pour la classification multiclasseMétriques de régressionUtiliser des métriques d’évaluation dans la sélection de modèlesRésumé et perspectives
Sélection de paramètres avec prétraitementConstruire des pipelinesUtiliser des pipelines dans des recherches sur grilleInterface générale de la classe PipelineCréer facilement un pipeline avec make_pipelineAccéder aux attributs des étapesAccéder aux attributs d’un pipeline depuis GridSearchCVÉtapes de prétraitement et paramètres du modèleEffectuer une recherche sur grille pour trouver quel modèle utiliserRésumé et perspectives

Types de données représentés sous forme de chaînes de caractèresExemple d’application : analyse de sentiment dans des commentaires de filmsReprésenter les données textuelles sous forme de sacs de motsAppliquer une représentation par sac de mots à un jeu de données jouetLa représentation par sac de mots appliquée aux critiques de filmsMots vides (stop words)Pondérer les données avec tf-idfInvestiguer les coefficients du modèleDes sacs avec plusieurs mots (n-grammes)Tokenisation avancée, racinisation et lemmatisationModèles de sujets et partitionnement de documentL’allocation de Dirichlet latente (LDA)Résumé et perspectives
Aborder un problème d’apprentissage automatiqueEst-ce qu’il y des humains dans la boucle ?Du prototype à la productionTester des systèmes de productionConstruire votre propre estimateurPour aller plus loinThéorieAutres packages et ressources pour l’apprentissage automatiqueRanking, systèmes de recommandation, et autres types d’apprentissageInférence, programmation et modélisation probabilisteRéseaux de neuronesRecalibrer les jeux de donnéesAméliorer vos compétencesConclusion

Overview

Entrez de plain-pied dans le monde fascinant la data science
Vous aussi participez à la révolution qui ramène l'intelligence artificielle au coeur de notre société, grace aux data scientists.
La data science consiste à traduire des problèmes de toute autre nature, en problèmes de modélisation quantitative, résolus par des algorithmes de traitement.
Ce livre se présente comme une référence pour tous les développeurs, statisticiens ou chefs de projets ayant à résoudre des problèmes liés à la data science.