Data science : fondamentaux et études de cas : machine learning avec Python et R / Éric Biernat, Michel Lutz ; [préface de Yann LeCun,...]

Autres tirages : 2016, 2017, 2018, 2019, 2020, 2022

Notes bibliogr. Index

P. 9 Chapitre 1 Savoir poser un problème de data science P. 9 Introduction P. 10 Préliminaire : qu'est-ce que le machine learning ? P. 11 Au commencement était la donnée P. 11 Un prérequis indispensable P. 11 Que sont les données ? P. 12 Les principaux types de données P. 13 D'où viennent les données ? P. 14 Les algorithmes : pour faire quoi ? P. 14 Sous les données, des liens... plus ou moins certains ! P. 15 Une taxinomie des algorithmes P. 16 Algorithmes supervisés et non supervisés P. 18 Algorithmes de régression et de classification P. 20 Pour les plus curieux P. 21 Algorithmes et structures de données P. 21 Représentation matricielle des données P. 22 Que font les algorithmes ? P. 23 Références P. 25 Chapitre 2 Les outils informatiques P. 25 Quels logiciels ? P. 27 Quel environnement de travail ? P. 29 Références P. 31 Deuxième partie Les algorithmes et leurs usages : visite guidée P. 33 Sous-partie 1 Les basiques du data scientist P. 35 Chapitre 3 La régression linéaire univariée P. 35 Introduction P. 36 Définition de la fonction hypothèse P. 36 Qui dit approximation dit erreur P. 38 Minimiser la fonction de coût P. 40 Références P. 41 Chapitre 4 La régression linéaire multivariée P. 41 Introduction P. 41 Le modèle en détail P. 42 Normalisation P. 46 Résolution analytique P. 50 Références P. 51 Chapitre 5 La régression polynomiale P. 51 Introduction P. 51 Principes généraux de la régression polynomiale P. 55 La notion de sur-apprentissage P. 58 Le compromis biais-variance P. 59 Référence P. 61 Chapitre 6 La régression régularisée P. 61 Introduction P. 62 La régression ridge P. 64 Le LASSO P. 65 Ridge + LASSO = ElasticNet P. 66 Références P. 67 Chapitre 7 Naive Bayes P. 67 Introduction P. 67 Le théorème de Bayes et la notion d'indépendance P. 67 Le théorème de Bayes P. 68 La notion d'indépendance P. 68 Le modèle Naive Bayes par l'exemple P. 71 Le cadre général P. 71 Références P. 73 Chapitre 8 La régression logistique P. 73 Introduction P. 73 Le modèle en détail P. 73 La fonction hypothèse P. 74 Les fonctions sigmoïdes P. 78 La fonction de coût P. 79 Minimisation de la fonction de coût P. 80 Derrière la linéarité P. 82 Classification multiclasses P. 84 Régularisation P. 84 Références P. 85 Chapitre 9 Le clustering P. 85 Introduction P. 86 Le clustering hiérarchique P. 86 Principe P. 88 Les distances P. 89 Le critère d'agrégation P. 91 La notion de troncature P. 91 Le clustering non hiérarchique P. 91 Principe P. 92 Les centres mobiles P. 92 Quelques variantes P. 93 Les approches mixtes P. 94 Références P. 95 Chapitre 10 Introduction aux arbres de décision P. 95 Introduction P. 95 Principe P. 96 Construction d'un arbre de décision P. 98 Références P. 99 Sous-partie 2 L'artillerie lourde P. 101 Chapitre 11 Random forest P. 101 Introduction P. 101 Principes P. 101 L'idée de base P. 102 Le défaut des arbres de décisions P. 103 Le modèle en détail P. 103 Tree bagging P. 104 Feature sampling P. 105 Le critère de split P. 109 Conseils pratiques P. 109 Les paramètres de random forest P. 110 Interprétation de random forest P. 111 Quelques variantes de random forest P. 113 Références P. 115 Chapitre 12 Gradient boosting P. 115 Introduction P. 115 Le modèle en détail P. 115 Adaboost, le prestigieux ancêtre P. 121 Le gradient boosting P. 125 Le gradient boosting dans la pratique P. 125 Mise en oeuvre dans scikit-learn P. 128 Un exemple en classification P. 131 Une variante : xgboost P. 132 Références P. 133 Chapitre 13 Support Vector Machine P. 133 Introduction P. 133 La dimension VC P. 133 La théorie de Vapnik-Chervonenkis P. 134 La dimension de Vapnik-Chervonenkis P. 139 Interprétation de la dimension VC P. 140 Le SVM en détail P. 140 La notion de marge P. 146 Cas non linéairement séparable P. 152 Références P. 153 Troisième partie La data science en pratique : au-delà des algorithmes P. 155 Sous-partie 1 Quelques concepts généraux

P. 157 Chapitre 14 Évaluer une modèle P. 157 Introduction P. 158 La validation croisée P. 158 De la nécessité de diviser vos données P. 159 La validation croisée P. 160 Choix de la métrique de performance (P) P. 160 Pour les problèmes de régression P. 162 Pour les problèmes de classification P. 168 Références P. 171 Chapitre 15 Les espaces de grande dimension P. 171 Introduction P. 172 Les problèmes liés à la grande dimension P. 172 La malédiction de la dimension P. 174 La multicolinéarité P. 174 Autres problèmes liées aux grandes dimensions P. 175 La sélection de variables P. 175 Régression pas à pas P. 176 Approches machine learning P. 179 Réduction de dimensions : l'analyse en composantes principales P. 179 Objectif P. 180 Les grandes étapes de l'ACP P. 184 Exemple d'application P. 186 Digression : positionnement de l'ACP dans les statistiques classiques et complémentarité avec la classification P. 188 Références P. 189 Chapitre 16 Valeurs manquantes et valeurs aberrantes : généralités P. 189 Introduction P. 189 Qu'est-ce que les valeurs manquantes ? P. 191 Comment traiter les valeurs manquantes ? P. 194 Quid des valeurs aberrantes ? P. 196 Références P. 197 Sous-partie 2 À vos claviers ! P. 199 Chapitre 17 Prédire les survivants du Titanic P. 199 Introduction P. 199 Les données et le problème P. 202 La modélisation P. 202 Un premier modèle « quick and dirty » P. 204 Étude des variables P. 210 Random forest au secours du Titanic P. 212 Utilisation des autres variables P. 215 Chapitre 18 Classification automatique de zones de texte P. 215 Introduction P. 215 Les données et le problème P. 219 Les modélisations P. 219 Online learning P. 227 Stacking P. 234 Blend final P. 237 Références P. 239 Sous-partie 3 La temporalité dans les modèles, un cas particulier d'application P. 241 Chapitre 19 Qu'est-ce qu'une série temporelle ? L'approche classique P. 241 Pourquoi un focus sur les séries temporelles ? P. 243 Les méthodes exponentielles P. 245 Les méthodes probabilistes P. 248 Références P. 249 Chapitre 20 Machine learning et modélisation des séries temporelles P. 249 Principes P. 250 Création de variables propres aux données ordonnées P. 250 Séries temporelles classiques P. 258 Données comportementales : création de features par extraction de motifs séquentiels P. 265 Traitement des valeurs manquantes P. 265 Validation croisée pour les séries temporelles P. 266 Références P. 269 Chapitre 21 Un cas pratique de modélisation : rendement d'une colonne de distillation P. 269 Présentation du cas P. 270 Définition du modèle P. 271 Validation croisée et instabilité structurelle P. 275 Modélisation dynamique P. 278 Interprétation du modèle P. 279 Références P. 281 Chapitre 22 Clustering de séries temporelles P. 281 Principes P. 283 Un exemple d'application P. 283 Classification à partir de séries brutes P. 286 Classification à partir de métriques d'évaluation des séries