Sommaire

En résumé

Dans ce chapitre, à travers un jeu d’observations un peu particulier, nous avons pu découvrir la démarche commune à toute résolution de problème lié au Machine Learning, à savoir : la définition du problème, l’acquisition et la préparation des données, l’analyse des données et enfin le choix de l’algorithme.

Nous avons également abordé l’utilisation des algorithmes liés à la classification, sans paramétrage particulier pour chacun d’entre eux. Puis nous avons modifié un simple paramètre de l’algorithme de machine à vecteurs de supports ce qui a fait pencher la balance dans le choix de l’algorithme à utiliser.

Cela veut donc dire que la phase d’amélioration des différents algorithmes utilisés est primordiale. Sortant du cadre de cet ouvrage dédié à la vulgarisation de l’utilisation des différents algorithmes, les étapes d’optimisation et d’améliorations (tuning) ne seront pas abordées. Cependant, vous pourrez trouver une multitude d’exemples sur Internet et nous vous invitons à vous référer à la page dédiée à l’optimisation des algorithmes proposée par le module Scikit-Learn et consultable à cette adresse :

https://scikit-learn.org/stable/modules/grid_search.html

Enfin, nous avons ...