Incroyable !! J'ai lu des tas d'articles expliquant comment faire ou j'ai toujours fini par décrocher. Alors qu'ici, en 20 min j'ai tout compris ! Félicitations 👍👍
J'ai jamais vu de youtoubeur aussi pédagogue que vous. Très claire madame je vous remercie énormement. vous m'avez servi car je n'avais pas compris ce cours.
J'ai parcouru tout le web en quête de tutoriels clairs, et ceux-là sont de très loin les meilleurs (parmi tous les tutoriels disponibles en anglais/français), je ne sais pas s'il serait possible que vous fassiez la même chose pour des bibliothèques comme pytorch et plus généralement pour les réseaux de neurones... Quoi qu'il en soit: MERCI!
Bonjour, merci pour ce cours enrichissant. Pourriez vous me dire comment faire pour produire la table avec les éléments "X_test" auxquels on ajoute la colonne des résultats de prédictions "Y_pred_test" ? Bien cordialement Benoit PS : j'utilise normalement R, mais vos cours me poussent à aborder l'approche python. je ne suis pas encore très à l'aise avec python
Bonjour, Merci pour votre message. X_test est un dataframe pandas. Il est possible, bien entendu, d'ajouter une nouvelle colonne dans un dataframe de cette manière : X_test["y_pred_test"] = y_pred_test. Par contre, en scikit-learn cette façon de gérer les données est déconseillée. Par convention, les données et les étiquettes sont séparées. La logique est différente de R.
Bonjour, Le code et les données sont disponibles sur le dépôt Github. 1) Aller sur la page Github de l'exercice : github.com/epimed/eoc-ai-session-1 2) Cliquer sur le bouton vert "Code" en haut à droite de la page. Un menu déroulant va s'ouvrir. 3) Dans le menu déroulant cliquer sur "Download ZIP". Un fichier ZIP sera téléchargé sur votre ordinateur. 4) Ouvrir l'archive téléchargé, aller dans le répertoire "data". 5) Les données se trouvent dans le fichier "colon_cancer.csv"
Incroyable !! J'ai lu des tas d'articles expliquant comment faire ou j'ai toujours fini par décrocher. Alors qu'ici, en 20 min j'ai tout compris !
Félicitations 👍👍
J'ai jamais vu de youtoubeur aussi pédagogue que vous. Très claire madame je vous remercie énormement. vous m'avez servi car je n'avais pas compris ce cours.
Merci pour votre commentaire. Cela fait plaisir de savoir que ces vidéos vous ont aidé.
J'ai parcouru tout le web en quête de tutoriels clairs, et ceux-là sont de très loin les meilleurs (parmi tous les tutoriels disponibles en anglais/français), je ne sais pas s'il serait possible que vous fassiez la même chose pour des bibliothèques comme pytorch et plus généralement pour les réseaux de neurones... Quoi qu'il en soit: MERCI!
Merci beaucoup, cela m'est d'une aide très précieuse
Je valide c'est claire la maniere dont tu fais les choses
Merci Prof, présentation très complete....
Excellent cours approche fondée et féconde
Excellent cours fondé et féconde
Merci pour votre commentaire.
Merci beaucoup vraiment j'ai apprécié.
Merci !
@@epimedopencourse
Je vous en prie. En tant que débutant vous m'aidez beaucoup.
Bonjour, merci pour ce cours enrichissant.
Pourriez vous me dire comment faire pour produire la table avec les éléments "X_test" auxquels on ajoute la colonne des résultats de prédictions "Y_pred_test" ?
Bien cordialement
Benoit
PS : j'utilise normalement R, mais vos cours me poussent à aborder l'approche python. je ne suis pas encore très à l'aise avec python
Resultats = X_test.assign(PREDICTION = y_pred_test)
Resultats
Bonjour,
Merci pour votre message.
X_test est un dataframe pandas. Il est possible, bien entendu, d'ajouter une nouvelle colonne dans un dataframe de cette manière : X_test["y_pred_test"] = y_pred_test. Par contre, en scikit-learn cette façon de gérer les données est déconseillée. Par convention, les données et les étiquettes sont séparées. La logique est différente de R.
@@epimedopencourse merci pour votre reponse et pour la qualité de votre cours.
Bonjour,
Comment fait on pour télécharger les données de votre exercice, je n'y parviens pas ! Merci d'avance pour votre réponse!
Bonjour,
Le code et les données sont disponibles sur le dépôt Github.
1) Aller sur la page Github de l'exercice : github.com/epimed/eoc-ai-session-1
2) Cliquer sur le bouton vert "Code" en haut à droite de la page. Un menu déroulant va s'ouvrir.
3) Dans le menu déroulant cliquer sur "Download ZIP". Un fichier ZIP sera téléchargé sur votre ordinateur.
4) Ouvrir l'archive téléchargé, aller dans le répertoire "data".
5) Les données se trouvent dans le fichier "colon_cancer.csv"
@@epimedopencourse C'est parfait merci beaucoup vous assurez !