Contents Menu Expand Light mode Dark mode Auto light/dark, in light mode Auto light/dark, in dark mode Skip to content
Documentation mlstatpy 0.5.0
Logo
Documentation mlstatpy 0.5.0

Mathematics

  • Clustering
    • k-means
    • Mélange de lois normales
    • Carte de Kohonen
  • Non linéaire
    • Réseaux de neurones
      • Définition des réseaux de neurones multi-couches
      • La régression
      • La classification
      • Démonstration du théorème de la densité des réseaux de neurones
      • Descente de gradient
      • Apprentissage d’un réseau de neurones
      • Classification
      • Prolongements
      • Analyse en composantes principales (ACP) et Auto Encoders
      • Bibliographie
    • Classification à l’aide des plus proches voisins
    • Liens entre factorisation de matrices, ACP, k-means
      • Factorisation et matrice et ACP
      • Valeurs manquantes et factorisation de matrices
    • Un arbre de décision en réseaux de neurones
    • NeuralTreeNet et ONNX
    • NeuralTreeNet et coût
  • Régression linéaire
    • Régression linéaire
    • Régression quantile ou régression L1
      • Régression quantile illustrée
    • Régression linéaire par morceaux
      • Régression linéaire par morceaux
      • Régression sans inversion
    • Normalisation des coefficients
  • Régression logistique
    • Régression logistique, diagramme de Voronoï, k-Means
      • Voronoï et régression logistique
    • Régression logistique par morceaux, arbres de décision
    • Réseaux de neurones
    • Analyse de survie
      • Analyse de survie en pratique
  • NLP
    • Complétion
      • Formalisation
      • Fausses idées reçues
      • Nouvelle métrique
      • Propriétés mathématiques
      • Problème d’optimisation
      • Implémentation
      • Digressions
      • Complétion
      • Completion profiling
      • Completion Trie and metrics
      • Complétion Simple
  • Métriques
    • Courbe ROC
      • ROC
    • Confidence Interval and p-Value
      • p-values
  • Algorithmes
    • Distance d’édition
    • Distance between two graphs
    • Détection de segments
      • Détection de segments dans une image
  • Pérégrinations
    • Répartir en base d’apprentissage et de test
    • Corrélations non linéaires
    • File d’attente, un petit exemple
      • File d’attente, un exemple simple
    • Optimisation avec données aléatoires
    • Le gradient et le discret
    • Quantization
      • Quantization
    • Classification multiple

Examples

  • API
    • Machine Learning
    • Optimisation
    • Traitement du langage naturel
    • Source de données
    • Graphes
    • Image
    • Modules
      • mlstatpy.garden.poulet
      • mlstatpy.graph.graph_distance
      • mlstatpy.ml.kppv
      • mlstatpy.ml.kppv_laesa
      • mlstatpy.ml.logreg
      • mlstatpy.ml.neural_tree
      • mlstatpy.ml.roc
      • mlstatpy.nlp.completion
      • mlstatpy.nlp.completion_simple
      • mlstatpy.optim.sgd
  • Examples
  • Listes des définitions et théorèmes
  • Gallery of examples
    • Arbre d’indécision
  • Galleries de notebooks
    • Le petit coin des data scientists
      • Classification multiple
      • Corrélations non linéaires
      • Le gradient et le discret
      • File d’attente, un exemple simple
      • Régression quantile illustrée
      • Quantization
      • Régression linéaire
      • Répartir en base d’apprentissage et de test
    • Images
      • Détection de segments dans une image
    • Métriques
      • p-values
      • ROC
    • Machine Learning
      • Voronoï et régression logistique
      • Factorisation et matrice et ACP
      • Un arbre de décision en réseaux de neurones
      • NeuralTreeNet et coût
      • NeuralTreeNet et ONNX
      • Régression linéaire par morceaux
      • Régression sans inversion
      • Réseaux de neurones
      • Analyse de survie en pratique
      • Valeurs manquantes et factorisation de matrices
    • NLP - Natural Language Processing
      • Completion profiling
      • Complétion Simple
      • Complétion
      • Completion Trie and metrics

More

  • Glossary
  • Change Logs
  • 0.4.0
  • License
  • Index
  • Index du module
  • Page de recherche
Back to top
View this page

Pérégrinations¶

Ce sont quelques notebooks sur des points particuliers qui surgissent au quotidien quand on traite des données. Souvent plus pratiques que théoriques, c’est l’occasion de découvrir quelques poussières sous le tapis.

  • Répartir en base d’apprentissage et de test
  • Corrélations non linéaires
  • File d’attente, un petit exemple
  • Optimisation avec données aléatoires
  • Le gradient et le discret
  • Quantization
  • Classification multiple
Next
Répartir en base d’apprentissage et de test
Previous
Détection de segments dans une image
Copyright © 2016-2025, Xavier Dupré
Made with Sphinx and @pradyunsg's Furo