TECHNIQUES DE NORMALISATION ET DE STANDARDISATION [ FEATURE SCALING ]
Vložit
- čas přidán 25. 07. 2024
- TECHNIQUES DE NORMALISATION ET DE STANDARDISATION [ FEATURE SCALING, DATA PREPROCESSING, DATA CLEANING, ] LA NORMALISATION ET LA STANDARDISATION SONT LES PRINCIPALES TECHNIQUES DU FEATURE SCALING AYANT POUR OBJECTIF D'AMELIORER CONSIDERABLEMENT LES PERFORMANCES DES MODELES D'APPRENTISSAGE AUTOMATIQUE(MODELE DE MACHINE LEARNING).
Vous vous demandés certainement c’est quoi FEATURE SCALING, à quoi ça sert et comment la mettre en place ?
Dans nos bases de données ou datasets, certaines variables ayant des valeurs plus grandes, d’autres plus petites, et parfois, elles ne sont pas exprimées dans la meme unite de mesure. Pour le cas des poids par exemple, certaines variables peuvent s’exprimer en kilogram(kg), d’autres en milligram(mg), pour le cas des distances, elles peuvent s’exprimer km, d’autres en cm ou en etc, malgré cette difference, elles doivent toutes être traitées par le meme algorithme.
Cette difference d’echelle fait que des nombreux modèles de Machine Learning ou de Depp Learning produisent des résultats incoherents voir absurdes, c’est pourquoi il est presque imperatif d’ajuster les colonnes de votre dataset sous une meme echelle.
Cette technique de mise à l’échelle est appelée FEATURE SCALING.
La standardisation et normalisation sont les principales techniques du FEATURE SCALING que nous allons les voir dans les détails.
#datapreparation #openclass4all #datacleaning
REJOINDRE LA COMMUNAUTÉ: / @openclass4all
MON PROFIL LINKEDIN: / ousman-hamit-hassani
PLAYLISTS(FORMATIONS) A REGARDER ET COMMENTER ABSOLUMENT:
1. ✅ ANALYSEEXPLORATION DE DONNEES
• Visualisation de donnees
2. ✅ DATA PRE-PROCESSING:
• TRAITER LES VALEURS AB...
3. ✅ MODELE DE MACHINE LEARNING:
• REGRESSION LINEAIRE - ...
4. VIDEOS TUTORIELLE(PRISE EN MAIN DE JUPYTER NOTE BOOK):
• Maitriser les raccourc...
✅ Code source : 👉 github.com/ousmanhamit/
*REJOINDRE LA COMMUNAUTÉ OPENCLASS4ALL:* 👉 czcams.com/channels/E-613S-bsuLukwHDhnRxIA.html
Merçi beaucoups pour tout qu'ALLAH vous guide et protège Amin.
Merci à vous de l'avoir suivi ✅
*BONJOUR LES AMIS, JE SUIS DE RETOUR AVEC UNE SUPERBE VIDEO, MERCI DE LA LIKER ET DE PARTAGER AVEC VOS AMIS SUR LES RESEAUX SOCIAUX* 👍
Waw, merci Ousman pour cette superbe vidéo sur FEATURE SCALING
Merci à vous de l'avoir apprécié 😅
Merci beaucoup Monsieur.
Merci à vous de l'avoir suivi
merci pour votre effort continuez car vraiment votre contenue nous est utile
Merci à vous
Vidéo très intéressante. Merci !
Merci à vous
Bonjour,
Parfait. J’ai enfin compris le sens du point virgule (;) après une ligne de commande.
Merci.
Super 👍
@@openclass4all
Je révise et j'en apprends davantage avec vos vidéos après les trucs en anglais. Une sorte de rétro ingénierie à la japonaise.
Les english ont cette facilité avec des mots techniques... On dirait que cette science ne parle que anglais.
C'est bien.
Je comprends mieux en faisant de la retroingenerie. Mais en abusant de Google translate. Encore un truc trop english!
@@pllemost8410 C'est excellent, tu vas y arriver, j'en suis certain et bon courage
Macie pour le partage!
Merci John pour ton commentaire 👍
merci pour cette vidéo très explicite
Merci beaucoup pour ce commentaire, j'aprends aussi autant que vous en preparant ces vidéos.
super vidéo sur les différentes méthodes de normalisation bravo !
Merci à vous de l'avoir appréciée
N’hésitez pas à partager le lien de nos formations avec vos amis qui seraient intéressés (il y a environ 30 vidéos reparties en 3 formations distinctes) 👉 czcams.com/users/openclass4allplaylists
Merci beaucoup si Osman pour cette superb video
Merci à vous
Ces différentes playlist pourrait vous intéresser 👉 czcams.com/users/openclass4allplaylists
Si c'est le cas, merci de les commenter et de partager.
Vraiment vous êtes bon
Merci d'avoir apprécié le contenu 👌
Si ça vous intéresse, j'ai plusieurs playlists à l'URL suivante: 👇🏻, n'hésitez pas à partager avec vos amis qui seraient intéressés: czcams.com/users/c@openclass4all/playlists
Merci pour ce très bon travail sur la normalisation.
Avec plaisir
Si vous êtes intéressés j'ai une playlist dédiée au DATA PRE-PROCESSING ICI 👉czcams.com/video/SJNw_kxcnpE/video.html
Bonjour dans ce dataset j ai opéré avec la méthode duplicated et remove them juste après importation dataset est ce BON merci
Désolé pour le retard, la methode duplicates c'est pour supprimer les rédondances.
Merci.
Merci Beaucoup. C'est très pratique.
Merci à vous de l'avoir suivi et apprécié le contenu 👍
D'autres vidéos dans le mème ordre d’idée sont également disponible a cette ===> URL : czcams.com/video/nJ0olHCZgZI/video.html
Si vous trouvez que c'est intéressant, merci de les partager aussi avec vos amis qui seraient intéressés, ça aide énormément la chaîne à s’agrandir.
Merci pour la vidéo, Il y a eu une erreur qui s'est glissé avec le copié collé pour la definition de df_mas ( vous avez mis mms.fit_transform au lieu de mas.fit_transform)entre la 18ème et 19éme minutes de la vidéo
Merci pour la remarque, ça va aider la communauté à la réctifier 👍
Bonjour je voudrais savoir si vous avez un projet de A a à Z de ML a proposé.merci a vous.
Bonjour et merci beaucoup pour votre question.
J'ai pris note de votre question(j'ai déjà reçu quelques demandes formulées par 2 personnes en ce sens), je dois preparer une formation assez structurée traitant des projets plutot que des vidéos simples.
Mais les vidéos dans la playlist à l'URL qui se trouve tout en bas, je les ai preparé en respectant les étapes d'un projet global(bien qu'elles traitent pas toutes les mêmes sujets).
Voici l'URL ===> czcams.com/video/nJ0olHCZgZI/video.html
Bonjour avez un site?
Bonjour, vous avez sans doute remarqué que j'ai pas posté des vidéos depuis assez longtemps, car je suis entrain de concevoir une plateforme web pour la chaine.
Il y 'aura une vidéo pour la presenter quand ça sera disponible, en attendant voici la page linkedin de openclass4all => www.linkedin.com/company/openclass4all/
ou mon prfile linkedin => linkedin.com/in/ousman-hamit-hassani
Merci.
Ah génial, vous avez retrouvé l'erreur 🎉
Erreur à quel niveau ?
@@openclass4all là où vous aviez utilisé mms fit_transform au lieu de mas fit_transform.
Vidéo très intéressante. Merci !
Merci de votre appreciation 👍