Python : L'analyse prédictive

Table des matières

• Introduction Introduction

  • Bienvenue dans « Python : L'analyse prédictive »

    26 s
  • Aborder les prérequis

    1 m 31 s
  • Découvrir la méthode CRISP-DM

    2 m 16 s
• 1. Effectuer du préprocessing 1. Effectuer du préprocessing

  • Identifier les types de données

    2 m 31 s
  • (Verrouillé)
    Traiter les valeurs manquantes

    4 m 28 s
  • (Verrouillé)
    Traiter les valeurs atypiques

    3 m 50 s
  • (Verrouillé)
    Encoder les variables

    3 m 43 s
  • (Verrouillé)
    Aborder la séparation du jeu train et test

    2 m 45 s
  • (Verrouillé)
    Découvrir les techniques de scaling

    1 m 50 s
• 2. Utiliser des modèles de prédictions 2. Utiliser des modèles de prédictions

  • (Verrouillé)
    Définir la régression et la classification

    1 m 15 s
  • (Verrouillé)
    Utiliser la régression linéaire

    2 m 59 s
  • (Verrouillé)
    Utiliser randomForest

    3 m 17 s
  • (Verrouillé)
    Découvrir les méthodes de boosting

    2 m 24 s
  • (Verrouillé)
    Utiliser la régression logistique

    2 m 17 s
  • (Verrouillé)
    Explorer d'autres algorithmes de classification

    2 m 26 s
• 3. Évaluer et optimiser 3. Évaluer et optimiser

  • Aborder les scores pour la régression

    2 m 43 s
  • (Verrouillé)
    Aborder les scores pour la classification

    3 m 2 s
  • (Verrouillé)
    Optimiser les modèles

    3 m 51 s
• Conclusion Conclusion

  • (Verrouillé)
    Conclure ce cours l'analyse prédictive en Python

    1 m 13 s