Natural Language Processing (NLP) avec Python - - Analyse et comparaison des Features | Editions ENI

Introduction et définition (sous-condition)00:04:08

Quelques cas d’application (sous-condition)00:02:48

Les étapes de modélisation en NLP (sous-condition)00:03:15

Evaluer un modèle (sous-condition)00:02:19

La validation croisée d’un modèle (sous-condition)00:03:06

La matrice de confusion d’un modèle NLP (sous-condition)00:05:34

Repérer l’overfiting (sous-condition)00:02:32

Installer la distribution Anaconda00:00:51

Découvrir l’environnement Jupyter (sous-condition)00:03:46

Chargement des données textuelles (sous-condition)00:03:07

Les expressions régulières (sous-condition)00:07:09

Travailler avec le module Re (sous-condition)00:02:38

Fonctionnalités avancées avec le module Re (sous-condition)00:07:29

Nettoyer un texte (sous-condition)00:03:38

Supprimer les Stopwords (sous-condition)00:04:33

Le stemming (sous-condition)00:04:57

La lemmatisation (sous-condition)00:04:37

Le stemming versus la lemmatisation (sous-condition)00:03:03

Introduction aux techniques de vectorisation (sous-condition)00:04:20

La vectorisation d’un texte avec CountVectorizer (sous-condition)00:06:02

La vectorisation contextuelle avec N-Grams (sous-condition)00:04:12

La technique TF-IDF (sous-condition)00:02:15

Implémenter TF-IDF (sous-condition)00:03:28

Le Feature Engineering en NLP (sous-condition)00:02:04

Ajout de nouvelles Features (sous-condition)00:03:03

Analyse et comparaison des Features00:01:49

Introduction à Random Forest (sous-condition)00:06:16

Développer un modèle NLP avec Random Forest (sous-condition)00:04:18

Mesurer les performances d’un modèle (sous-condition)00:03:51

La validation k-Fold avec Random Forest (sous-condition)00:03:13

Tester plusieurs paramètres du Random Forest (sous-condition)00:06:29

Appliquer le GridSearchCV avec Random Forest (sous-condition)00:02:59

Homogénéiser les données avec TF-IDF (sous-condition)00:04:22

Calculer l’impact des Features (sous-condition)00:04:23

Sélectionner un modèle (sous-condition)00:04:44

Conclusion générale00:01:01

La vectorisation de données> Analyse et comparaison des Features

À suivre

(sous-condition)Introduction à Random Forest

06:16

(sous-condition)Développer un modèle NLP avec Random Forest

04:18

(sous-condition)Mesurer les performances d’un modèle

03:51

(sous-condition)La validation k-Fold avec Random Forest

03:13