Tutoriels d’apprentissage automatique

Cette page répertorie tous les didacticiels d’apprentissage automatique disponibles sur Statology.

Introduction à l’apprentissage automatique
Apprentissage supervisé ou non supervisé
Algorithmes de régression et de classification
Le compromis biais-variance

Régression linéaire
Régression linéaire simple ( R , Python )
Régression linéaire multiple ( R , Python )

Classification
Régression logistique ( R , Python )
Analyse discriminante linéaire ( R , Python )
Analyse discriminante quadratique ( R , Python )

Comment évaluer l’adéquation du modèle
Qu’est-ce que le surapprentissage ?
Validation croisée Leave-One-Out ( R , Python )
Validation croisée K-Fold ( R , Python )

Sélection du modèle
Meilleure sélection de sous-ensemble
Sélection par étapes ( R )

Régularisation
Régression Ridge ( R , Python )
Régression Lasso ( R , Python )

Réduction dimensionnelle
Régression en composantes principales (R , Python )
Moindres carrés partiels ( R , Python )

Modèles de régression avancés
Régression polynomiale ( R , Python )
Splines de régression adaptative multivariée ( R , Python )

Méthodes basées sur les arbres
Arbres de classification et de régression ( R )
Ensachage ( R )
Forêts aléatoires ( R )
Boosting ( R )

Apprentissage non supervisé
Analyse des composantes principales dans R
Clustering K-Means dans R
Clustering K-Medoids dans R