Apprentissage automatique Python
L’apprentissage automatique permet à l’ordinateur d’apprendre à partir de l’étude de données et de statistiques.
L’apprentissage automatique est un pas dans la direction de l’intelligence artificielle (IA).
Machine Learning est un programme qui analyse les données et apprend à prédire le résultat.
Où commencer?
Dans ce didacticiel, nous reviendrons sur les mathématiques et les statistiques d’étude, et comment calculer des nombres importants basés sur des ensembles de données.
Nous apprendrons également à utiliser divers modules Python pour obtenir les réponses dont nous avons besoin.
Et nous apprendrons comment créer des fonctions capables de prédire le résultat en fonction de ce que nous avons appris.
Base de données
Dans l’esprit d’un ordinateur, un ensemble de données est une collection de données. Il peut s’agir de n’importe quoi, d’un tableau à une base de données complète.
Exemple de tableau :
[99,86,87,88,111,86,103,87,94,78,77,85,86]
Exemple de base de données :
| Nom de voiture | Couleur | Âge | Vitesse | AutoPass |
| BMW | rouge | 5 | 99 | Oui |
| VOLVO | noir | 7 | 86 | Oui |
| VW | gris | 8 | 87 | N |
| VW | blanc | 7 | 88 | Oui |
| Gué | blanc | 2 | 111 | Oui |
| VW | blanc | 17 | 86 | Oui |
| Tesla | rouge | 2 | 103 | Oui |
| BMW | noir | 9 | 87 | Oui |
| VOLVO | gris | 4 | 94 | N |
| Gué | blanc | 11 | 78 | N |
| Toyota | gris | 12 | 77 | N |
| VW | blanc | 9 | 85 | N |
| Toyota | bleu | 6 | 86 | Oui |
En regardant le tableau, nous pouvons deviner que la valeur moyenne est probablement autour de 80 ou 90, et nous sommes également en mesure de déterminer la valeur la plus élevée et la valeur la plus faible, mais que pouvons-nous faire d’autre ?
Et en regardant la base de données, nous pouvons voir que la couleur la plus populaire est le blanc et que la voiture la plus âgée a 17 ans, mais que se passerait-il si nous pouvions prédire si une voiture avait un AutoPass, simplement en regardant les autres valeurs ?
C’est à cela que sert le Machine Learning ! Analyser les données et prédire le résultat !
En Machine Learning, il est courant de travailler avec de très grands ensembles de données. Dans ce didacticiel, nous essaierons de faciliter au maximum la compréhension des différents concepts de machine learning, et nous travaillerons avec de petits ensembles de données faciles à comprendre.
Types de données
Pour analyser des données, il est important de savoir à quel type de données nous avons affaire.
Nous pouvons diviser les types de données en trois catégories principales :
- Numérique
- Catégorique
- Ordinal
Numérique les données sont des nombres et peuvent être divisées en deux catégories numériques :
- Données discrètes
– les nombres limités aux entiers. Exemple : Le nombre de voitures qui passent. - Données continues
– nombres de valeur infinie. Exemple : Le prix d’un article ou la taille d’un article
Catégorique les données sont des valeurs qui ne peuvent pas être mesurées les unes par rapport aux autres. Exemple : une valeur de couleur ou toute valeur oui/non.
Ordinal les données sont comme des données catégorielles, mais peuvent être mesurées les unes par rapport aux autres. Exemple : notes scolaires où A est meilleur que B et ainsi de suite.
En connaissant le type de données de votre source de données, vous pourrez savoir quelle technique utiliser lors de leur analyse.
Vous en apprendrez plus sur les statistiques et l’analyse des données dans les chapitres suivants.
#Apprentissage #automatique #Python
