Exercice corrigé - Régression Logistique et SVM avec scikit-learn en Python | Cycle avancé IA #5

Поделиться
HTML-код
  • Опубликовано: 1 ноя 2024

Комментарии • 11

  • @mohammedkastali7096
    @mohammedkastali7096 18 дней назад

    merci bien pour votre claire explication

  • @madanydiallo7573
    @madanydiallo7573 Год назад +1

    Merci pour vos travaux extraordinaires Mme!

  • @sirakhecisse5707
    @sirakhecisse5707 Год назад +1

    Merci beacoup

  • @MoiFust
    @MoiFust 2 года назад

    Merci pour le partage et les explications 👍

  • @mohamedbahaj907
    @mohamedbahaj907 2 года назад

    Extremement riche

  • @formationformationb8708
    @formationformationb8708 2 года назад

    Merci

  • @nathanelhachimi8248
    @nathanelhachimi8248 3 года назад

    Superbe vidéo ! Une petite question, ce n'est pas un problème d'avoir un coefficient beta supérieur à 1 ou inférieur à -1 ? Je pensais qu'il devait être vu comme un pourcentage.

    • @epimedopencourse
      @epimedopencourse  3 года назад +1

      Bonjour,
      Merci pour votre commentaire.
      Les coefficients beta correspondent aux coefficients de régression. Ce ne sont pas des pourcentages, ils peuvent prendre des valeurs au delà de [0, 1] ou [-1, 1]. On peut plutôt les assimiler à la pente dans la régression linéaire : y = beta*x + intercept.

  • @adyfall8319
    @adyfall8319 3 года назад

    Bonjour! je peux avoir des exos corriges en machine learning?

    • @epimedopencourse
      @epimedopencourse  3 года назад +1

      Bonjour,
      Bien entendu.
      Les exercices et les solutions sont disponibles sur le dépôt Github d'EpiMed : github.com/epimed/eoc-ai-session-1.

    • @adyfall8319
      @adyfall8319 3 года назад

      @@epimedopencourse Merci beaucoup. Je peux avoir votre contact pour en cas de besoin d'aide?