Brève description / annotation

Comment deviner le prix d'un logement, prévoir une consommation électrique ou estimer un délai de livraison à partir de données ? Toutes ces questions relèvent de la régression, et ce livre vous apprend à y répondre avec Python. Conçu comme une suite de fiches claires et progressives, il s'adresse aux étudiants en programmation et à toute personne qui souhaite s'initier à la prédiction de valeurs. Chaque fiche part d'un besoin concret, présente un algorithme adapté, puis vous guide jusqu'à un résultat que vous pouvez voir, comprendre et réutiliser. Au fil des projets, vous découvrez les grandes familles de la régression : 1 - La régression linéaire et la régression polynomiale, pour poser les bases. 2 - Les méthodes fondées sur les arbres, la forêt aléatoire et le renforcement de gradient. 3 - Les k plus proches voisins, les vecteurs de support et les réseaux de neurones. Vous prenez ainsi en main les bibliothèques les plus utilisées, comme Scikit-learn, statsmodels, scipy, XGBoost, LightGBM, PyTorch et Keras, dans des notebooks Jupyter faciles à exécuter et à modifier. Écrit dans un style simple et pragmatique, sans jargon inutile, ce livre privilégie la pratique et l'expérimentation. Deux projets complets, autour de données de santé et de mesures de tir balistique, viennent rassembler tout ce que vous avez appris. À la fin, vous saurez choisir une méthode, entraîner un modèle et juger honnêtement de sa qualité.

Détails