Comment développer un programme de régression linéaire avec Numpy ?
Dans ce tutoriel je vous montre toutes les étapes pour développer une régression linéaire avec Numpy. Dans ce programme de Machine Learning réalisé dans Python, nous utiliserons Numpy, Matplotlib pyplot et sklearn.
Je vous montre également comment tracer des courbes d'apprentissage, ce qui nous permet de visualiser la minimisation de la fonction coût et ainsi vérifier si la machine réussit son apprentissage de la régression linéaire !
Pour finir je vous montre comment faire l'évaluation finale de votre modèle avec le coefficient de détermination, qui est une métrique très connue et ainsi plus utile pour montrer à votre patron la performance de votre modèle.

Vous l'aurez deviné cette vidéo est assez longue donc je vous fournis ci-dessous le timecode pour vous rendre directement à certaines sections:

► Timecode de la vidéo :
00:00 : Intro
00:24 : Chargement des libraries
01:50 : Génération d'un Dataset et des tableaux Numpy adéquates
08:01 : Implémentation du modèle linéaire
09:50 : Implémentation de la fonction coût : Mean Squared Error (MSE)
11:58 : Implémentation du Gradient et de la Descente de Gradient
14:50 : Entrainement du modèle de Régression Linéaire
18:00 : Courbe d'apprentissage
20:25 : Coefficient de détermination

► MON SITE INTERNET EN COMPLÉMENT DE CETTE VIDÉO:
www.machinelearnia.com/

► REJOINS NOTRE COMMUNAUTÉ DISCORD
discord.gg/WMvHpzu

► Me soutenir financièrement sur Tipeee (et obtenir des vidéos BONUS)
fr.tipeee.com/machine-learnia

► Recevez gratuitement mon livre numérique:
"APPRENDRE LE MACHINE LEARNING EN UNE SEMAINE"
www.machinelearnia.com/apprendre-le-machine-learni…

► Télécharger gratuitement mes codes sur github:
github.com/MachineLearnia

► Abonnez-vous :    / @machinelearnia  

► Pour en savoir plus : Visitez Machine Learnia : www.machinelearnia.com/

► Qui suis-je ?
Je suis Guillaume Saint-Cirgue, Senior Data Scientist avec plus de 8 ans d’expérience dans les secteurs de la tech, l’aviation, la robotique, l’énergie, et les usines connectées.
En 2019, j’ai créé Machine Learnia dans le but de partager mes connaissances dans le domaine de l’intelligence artificielle. Mon objectif est d’expliquer en détail le fonctionnement du Machine Learning et de ses algorithmes, tout en rendant ces concepts accessibles à tous.
Je suis convaincu qu'il ne suffit pas de survoler l'aspect mathématique de ce domaine; il est essentiel de s'y plonger en profondeur pour se démarquer. Cette approche a déjà convaincu plus de 150 000 personnes, et ceux que je forme aujourd'hui comptent parmi les meilleurs du secteur.

► Une question ? Contactez-moi: contact@machinelearnia.com