Nouveauté
Machine Learning avec R. Apprentissage Supervisé: Modèles Prédictifs pour la Classification. MACHINE LEARNING
Par :Formats :
Disponible dans votre compte client Decitre ou Furet du Nord dès validation de votre commande. Le format ePub est :
- Compatible avec une lecture sur My Vivlio (smartphone, tablette, ordinateur)
- Compatible avec une lecture sur liseuses Vivlio
- Pour les liseuses autres que Vivlio, vous devez utiliser le logiciel Adobe Digital Edition. Non compatible avec la lecture sur les liseuses Kindle, Remarkable et Sony
, qui est-ce ?Notre partenaire de plateforme de lecture numérique où vous retrouverez l'ensemble de vos ebooks gratuitement
Pour en savoir plus sur nos ebooks, consultez notre aide en ligne ici
C'est si simple ! Lisez votre ebook avec l'app Vivlio sur votre tablette, mobile ou ordinateur :
- FormatePub
- ISBN8232909574
- EAN9798232909574
- Date de parution07/11/2025
- Protection num.pas de protection
- Infos supplémentairesepub
- ÉditeurHamza elmir
Résumé
Les algorithmes d'apprentissage automatique utilisent des méthodes de calcul pour extraire des informations directement à partir des données. L'apprentissage automatique repose sur deux types de techniques : l'apprentissage supervisé, qui entraîne un modèle à l'aide de données d'entrée et de sortie connues afin qu'il puisse prédire les résultats futurs, et l'apprentissage non supervisé, qui découvre des schémas cachés ou des structures intrinsèques dans les données d'entrée.
La plupart des techniques d'apprentissage supervisé sont développées dans cet ouvrage d'un point de vue méthodologique et pratique, avec des applications à travers le logiciel R. Les techniques suivantes sont explorées en détail : analyse discriminante, modèles logit, modèles probit, modèles de comptage, modèles linéaires généralisés, modèles de choix discrets, arbres de décision et réseaux de neurones.
La plupart des techniques d'apprentissage supervisé sont développées dans cet ouvrage d'un point de vue méthodologique et pratique, avec des applications à travers le logiciel R. Les techniques suivantes sont explorées en détail : analyse discriminante, modèles logit, modèles probit, modèles de comptage, modèles linéaires généralisés, modèles de choix discrets, arbres de décision et réseaux de neurones.
Les algorithmes d'apprentissage automatique utilisent des méthodes de calcul pour extraire des informations directement à partir des données. L'apprentissage automatique repose sur deux types de techniques : l'apprentissage supervisé, qui entraîne un modèle à l'aide de données d'entrée et de sortie connues afin qu'il puisse prédire les résultats futurs, et l'apprentissage non supervisé, qui découvre des schémas cachés ou des structures intrinsèques dans les données d'entrée.
La plupart des techniques d'apprentissage supervisé sont développées dans cet ouvrage d'un point de vue méthodologique et pratique, avec des applications à travers le logiciel R. Les techniques suivantes sont explorées en détail : analyse discriminante, modèles logit, modèles probit, modèles de comptage, modèles linéaires généralisés, modèles de choix discrets, arbres de décision et réseaux de neurones.
La plupart des techniques d'apprentissage supervisé sont développées dans cet ouvrage d'un point de vue méthodologique et pratique, avec des applications à travers le logiciel R. Les techniques suivantes sont explorées en détail : analyse discriminante, modèles logit, modèles probit, modèles de comptage, modèles linéaires généralisés, modèles de choix discrets, arbres de décision et réseaux de neurones.
