Ceci est une ancienne révision du document !
Table des matières
scikit-learn Exemples
scikit-learn
Initié et piloté en France par l'INRIA et Télécom ParisTech, le projet open source Scikit-learn est devenu une référence dans le monde de l'intelligence artificielle.
- scikit-learn.org Scikit-learn est une bibliothèque libre Python destinée à l'apprentissage automatique.
- Simple and efficient tools for predictive data analysis
- Accessible to everybody, and reusable in various contexts
- Built on NumPy, SciPy, and matplotlib
- Open source, commercially usable - BSD license
- User Guide: Toutes les possibilités
Exemples de classification
Les exemples sont construits sur les digits de mnist-numpy This is classic MNIST dataset and pickled (in npz format).
Classification
- Classement automatique sur Wikipedia. Le classement automatique ou classification supervisée est la catégorisation algorithmique d'objets. Elle consiste à attribuer une classe ou catégorie à chaque objet (ausens large) à classer, en se basant sur des données statistiques.
Le jeu de données d'entrées comprend “x_train et y_train”.
Sources des fichiers
kneighborsclassifier.py
MNIST classification using multinomial logistic + L1
Here we fit a multinomial logistic regression with L1 penalty on a subset of the MNIST digits classification task.
Recognizing hand-written digits
An example showing how the scikit-learn can be used to recognize images of hand-written digits.
Classifier comparison
A comparison of a several classifiers in scikit-learn on synthetic datasets.
Ne marche pas avec MNIST !
Clustering
C’est quoi ?
Regroupement(Clustering) = construire une collection d’objets:
- Similaires au sein d’un même groupe
- Dissimilaires quand ils appartiennent à des groupes différents
Le Clustering est de la classification non supervisée: pas de classes prédéfinies.