Sommaire

Et c’est tout ?

Dans ce chapitre, nous avons parcouru et décrit succinctement les différents algorithmes du Machine Learning les plus rencontrés et évoqués. Bien entendu, il en existe d’autres. Nous n’avons pas non plus évoqué les réseaux de neurones que nous aborderons en détail un peu plus loin dans cet ouvrage.

Ce chapitre vous permet d’avoir une vue d’ensemble des algorithmes, leur fonctionnement et leur cas d’utilisation en fonction du problème que vous aurez à traiter : régression ou classification dans le cadre d’un apprentissage supervisé et clustering dans le cas d’apprentissages non supervisés. Le tableau ci-dessous reprend les différents algorithmes que nous avons abordés. Libre à vous de le compléter lors de vos futures découvertes et essais d’algorithmes.

Algorithme

Apprentissage supervisé - regression

Apprentissage supervisé - catégorisation

Apprentissage non supervisé

Regression linéaire univariée

X

Régression linéaire multiple

X

Régression polynomiale

X

Régression logistique

X

Arbres de décision

X

X

Forêt aléatoire

X

X

Machine à vecteurs de support

X

KNN

X

Naive Bayes

X

K-moyennes

X

Mean-shift

X

DBSCAN

X

Mélange gaussien

X

La partie théorique et présentation est à présent terminée. Nous allons dans le chapitre suivant démarrer ...