Algorithmes ML essentiels

Les algorithmes les plus utilisés

Apprentissage supervisé

• Régression linéaire — Prédire une valeur continue (prix d une maison)
• Régression logistique — Classification binaire (oui/non, spam/pas spam)
• Arbres de décision — Règles de décision en arbre
• Random Forest — Ensemble d arbres de décision
• SVM (Support Vector Machine) — Tracer une frontière entre les classes
• K-Nearest Neighbors (KNN) — Classer selon les voisins les plus proches

Apprentissage non supervisé

• K-Means — Regrouper les données en K clusters
• PCA (Principal Component Analysis) — Réduire les dimensions
• DBSCAN — Clustering basé sur la densité

Métriques d évaluation

• Accuracy — % de prédictions correctes
• Precision — Parmi les positifs prédits, combien sont vrais ?
• Recall — Parmi les vrais positifs, combien ont été trouvés ?
• F1 Score — Moyenne harmonique de precision et recall

📥 Cours interactif

• Kaggle — Intro to Machine Learning (gratuit)