APPRENTISSAGE NON-SUPERVISÉ avec Python (24/30)
Vložit
- čas přidán 24. 07. 2024
- L'apprentissage Non-Supervisé (Unsupervised Learning) est une technique de Machine Learning tres populaire. Dans ce tutoriel Python sur sklearn en français, je vous dévoile les algorithmes les plus importants : K-Means Clustering, IsolationForest, et PCA (Analyse en composantes principales)
0:00 : Intro
00:33 : Apprentissage Non-Supervisé
03:17 : K-Means Clustering
06:04 : K-Means Sklearn
11:00 : K-Means - Elbow Method
14:50 : Anomaly Detection (Isolation Forest)
19:52 : Isolation Forest Sklearn
22:03 : Application Isolation Forest (digits)
26:54 : Réduction de dimension (PCA)
30:14 : Visualisation de données
33:14 : Compression de données
40:00 : Conclusion et exercice
Pour rappel, l’apprentissage supervisé est une technique d’apprentissage qui consiste à montrer à la machine des exemples X, y de ce qu’elle doit apprendre.
À l’inverse, l’apprentissage non-supervisé consiste à fournir à la machine uniquement des données X, et lui demander d’analyser la structure de ces données pour apprendre elle-même à réaliser certaines tâches.
1. Clustering
Une des applications les plus populaires de l’apprentissage non-supervisé est le Clustering. Le principe est de laisser la machine apprendre à trier des données selon leur ressemblances (et donc en analysant uniquement les features X).
Les algorithmes à connaitre :
- K-Means : Tres rapide, mais non-efficace sur les clusters non-convexes.
- AgglomerativeClustering : assez lent, mais efficace sur les données non-convexes
- DBSCAN : efficace sur les données non-convexes, mais sélection du nombre de clusters automatique
Applications :
- Trier des documents, des photos, des tweets
- Segmenter la clientèle d’une entreprise
- Optimiser l’organisation d’un système informatique, etc…
2. Détection d’Anomalies
Un autre exemple d’application de l’apprentissage non-supervisé est la Détection d’Anomalies. En analysant la structure X des données, la machine est capable de trouver les échantillons dont les features sont tres éloignées de celles des autres échantillons. Ces échantillons sont alors considérés comme étant des anomalies.
Les algorithmes à connaitres :
- IsolationForest : Efficace pour détecter des outliers dans le train_set
- Local Outlier Factor : Efficace pour détecter des anomalies futures
Applications :
- Nettoyer un Dataset des valeurs aberrantes qui le composent
- Détecter un comportement anormal sur un site Internet ou sur une caméra de surveillance
- Maintenance prédictive des machines d’une usine
3. Réduction de dimension
La dernière application très importante de l’apprentissage non-supervisé est la réduction de dimension. Le principe est de réduire la complexité superflue d’un dataset en projetant ses données dans un espace de plus petite dimension (un espace avec moins de variables). Le but est d’Accélérer l’apprentissage de la machine et de Lutter contre le fléau de la dimension.
Algorithmes a connaitres :
- Analyse en composantes principales (PCA) : le plus populaire et le plus simple a comprendre
- TSNE
- Isomap
Applications :
- Visualisation de données : afficher sur un graphique 2D un espace de grande dimension
- Compression de dataset : réduire au maximum le poids d’un dataset en conservant un maximum de qualité
► MON SITE INTERNET EN COMPLÉMENT DE CETTE VIDÉO:
machinelearnia.com/
► REJOINS NOTRE COMMUNAUTÉ DISCORD
/ discord
► D'autres BONUS sur Tipeee:
fr.tipeee.com/machine-learnia
► Recevez gratuitement mon Livre:
APPRENDRE LE MACHINE LEARNING EN UNE SEMAINE
CLIQUEZ ICI:
machinelearnia.com/apprendre-...
► Télécharger gratuitement mes codes sur github:
github.com/MachineLearnia
► Abonnez-vous : / @machinelearnia
► Pour En Savoir plus : Visitez Machine Learnia : machinelearnia.com/
► Qui suis-je ?
Je m’appelle Guillaume Saint-Cirgue et je suis Data Scientist au Royaume Uni. Après avoir suivi un parcours classique maths sup maths spé et avoir intégré une bonne école d’ingénieur, je me suis tourné vers l’intelligence artificielle de ma propre initiative et j’ai commencé à apprendre tout seul le machine learning et le deep learning en suivant des formations payantes, en lisant des articles scientifiques, en suivant les cours du MIT et de Stanford et en passant des week end entier à développer mes propres codes.
Aujourd’hui, je veux vous offrir ce que j’ai appris gratuitement car le monde a urgemment besoin de se former en Intelligence Artificielle.
Que vous souhaitiez changer de vie, de carrière, ou bien développer vos compétences à résoudre des problèmes, ma chaîne vous y aidera.
C’est votre tour de passer à l’action !
► Une question ? Contactez-moi: contact@machinelearnia.com
Cette vidéo est vraiment tout ce dont j'avais besoin (et j'ai pourtant déjà parcouru pas mal de contenu sur le même sujet). Des explications claires, des exemples concrets, et une mise en application avec Python
Donc un grand MERCI pour cette vidéo, je ne manquerai pas de me référer à votre chaîne à l'avenir !!
Bravo,
l'une des meilleurs video sur youtube sur l'apprentissage non supervisé....
explication avec une pédagogie sans pareil
Merciiiii de m'empêcher de perdre la tête pendant ce confinement 🙏
Excellent travail, comme d'habitude 😁
C'est un plaisir de vous occuper pendant le confinement :)
Je pense que je vais adorer l'apprentissage non-supervisé. Votre présentation est brillante comme d'habitude et en plus je trouve que là, on s'approche de l'apprentissage naturel surtout avec les centroids. Quand un enfant apprend à parler, il entend des mots et il vit des expériences. Il doit établir les relations entre les mots et les expériences. Les mots sont comme des centroids, liés aux expériences diverses... Bref je trouve géniale cette idée de centroids. Félicitations, j'admire votre travail.
Excellente vidéo, cela m'a permis de découvrir l'algorithme d'IsolationForest. En effet j'avais travaillé sur la détection des fraudes mais pour les algorithmes d'ensembles comme Xgboost et LightGBM. En tant que Data Scientist, tes vidéos me sont vraiment utiles. Merci à toi Guillaume!!!!!
Merci beaucoup. A bientôt !
Vraiment bravo pour ta clarté et ton approche pédagogique.
Franchement je ne saurais comment vous dire merci. ❤❤❤ étant distrait en salle ( du au fait que mon prof parle très vite et pour moi n’explique pas très bien) j’ai pu grâce à vous valider la matière et même les tp (ceux qui suivaient le plus d’ailleurs rattrapent)
Merci encore vous avez une très belle pédagogie, tout est très bien expliqué même pour un ignorant.
Thaks teacher , I studie Master in Big Data and without doubt ; this is the best tuto in ML I've never seen .
Merci bcp ! Très beau travail de montage et d'explication !
Merci beaucoup :)
nous vous attendrons en vidéo d'apprentissage par renforcement , vos formations sont les meilleures merciiii Guillaume Saint-Cirgue
Merci beaucoup, c'est un plaisir ! :)
J’attendais que ça. Merci prof 🙏
De rien ! a bientot :)
Merci beaucoup monsieur Guillaume , vos vidéos sont très utiles
j'aime toujours avant de commencer à regarder la vidéo
Merci beaucoup et bonne continuation
Merci beaucoup c'est vraiment sympa
Cette vidéo est vraiment très claire ! et donne un bon exemple de ce qu'on peut faire.
Je pense que 3 ans plus tard la question n'est plus à l'ordre du jour mais un exemple de clusterisation avec des données textes serait un bon cas pratique...bon c'est pas innocent, je me prends la tête avec cela sans vraiment savoir si ma méthode et mes résultats sont corrects!!
Mais merci encore pour ces vidéos !
Super vidéo, explication très clair et lourde de sens.
Elle m'a même aidé à comprendre une notion abordée (la création de foret) dans des livres de machine learning que finalement je n'avais pas si bien compris que cela.
Encore GG pour tes vidéos guillaume et très bonne pédagogie, outil pédagogique au top également
Merci ça me fait très plaisir de savoir que j'ai pu vous aider a mieux comprendre les ensembles d'arbre :)
Trés heureux de savoir que vous allez bien mon Chère Guillaume !!!!!! Beau travail et vidéo bien développer !!
Merci ! Portez-vous bien :)
L'une des meilleurs videos de ta chaine YT, merci Guillaume !
Merci Théo ! Ca fait plaisir ;)
Bon retour, on avait hâte 😍
Merci beaucoup ! :D
Super, merci la video tombe a pique j'avais justement un projet a faire en ACP. 🙏🏼🙏🏼
Je suis tellement heureux de pouvoir vous aider ! :D
Merci pour les explications très claires, les recaps pertinents et le voix très agréable à suivre. C'est dommage que je connais pas la chaîne avant car même avec une formation payant très cher, je n'ai pas des explications si claires comme les vôtres.
Il y'a tout juste une semaine que j'ai découvert cette formation. Personnellement vous avez fait un travail remarquable
Merci beaucoup :)
J'ai appris tellement durant cette vidéo. Merci beaucoup, c'est une mine d'or !
Tres heureux de l'apprendre :)
Merci pour cette remarquable vidéo. En plus cela me rappelle de très vieux souvenirs (milieu des années 70) lorsque l'on essayait, avec un succès très moyen...) d'utiliser l'analyse en composantes principales pour essayer de classifier les directions départementales du Ministère de l’Équipement selon toute une flopée d'indicateurs d'activités. Mais nous ne respections pas vraiment les conditions que vous citez en fin de vidéo, je m'en aperçois en vous écoutant.
Le Nouvel Observateur a également publié à cette même période des "cartographies" de différents comportements sociologiques, basées sur l'ACP.
Finalement il n'a fallu "que" 40 ans pour disposer d'outils puissants qui permettent d'aller vite, mais il faut toujours une grosse réflexion en amont pour les utiliser correctement, et des compétences techniques plus vastes.
Merci pour ce témoignage intéressant Jean, vous apportez toujours une anecdote intéressante aux vidéos ! Vous avez raison : il faut toujours une réflexion adéquate pour utiliser convenablement nos outils.
vous êtes un super génie des data science et un excellent enseignant. waho vous m'inspirez beaucoup.
Merci beaucoup :)
Très beau travail Guillaume, comme toujours.
Un grand merci
Vidéos très claire. Merci à toi pour ce travail !
Merci !
Merci pour les explications hyper claires !!
Ah rien qu'en regardant la durée j'ai prédit que sa allait envoyé du LOURD! Alors la merci beaucoup professeur alors la je vais repassé sa en boucle pour mieux appréhender le tout et faire des test sur certains dataset! Super vidéo comme dab!
Merci Ulrich ;)
SUPER ! Je n'avais pas compris le concept PCA la première fois que l'on me l'a expliqué
Content de te soutenir sur Tipeee (là, je fais un rappel pour tout le monde !)
Merci beaucoup a toi :) je suis content d'avoir pu t'aider
Vidéo et montage au top !
Congrats
Jo
Merci Jo :D
Incroyablement clair. Approche très pédagogique. Merci !
De rien
Excellent comme d'habitude! Super idée de proposer une vidéo d'exemple d'utilisation pratique de KMeans, tris de documents ou autre...
J'ai prévu de le faire :) Merci
Mercii beaucoup pour cet effort que vous faites pour bien expliqué. Merci énormément 🙏
C'est un plaisir, merci :)
Merci beaucoup Guillaume pour cette superbe vidéo
Vous enseignez de manière exceptionnelle !
Merci beaucoup !
grâce à cette video : j'ai dans ma toolbox IsolationForest et LocalOutlierFactor, 2 'clefs' dans la réalisation d'un nettoyage d'outliers efficace. Vous êtes le seul à nous faire grimper avec une telle passion dévorante :D !
Bravo ! Vous avez l'état d'esprit d'un vainqueur ! :) J'aime bien le terme de toolbox :)
Merci 🙏 infiniment ça nous aide énormément vos vidéos.
De rien c'est un plaisir d'aider gratuitement les gens
Vidéo et explications remarquables, comme d'habitude !!
Merci beaucoup :)
Excellente vidéo, merci bien.
Merci infiniment, vous êtes de grande qualité.
Merci a vous :)
Excellente vidéo, j'ai adoré. Merci beaucoup.
Merci beaucoup
Comment tu expliques super bien, c'est clair comme de l'eau de roche, merci
Merci a toi !
Merci Guillaume. C'est toujours un super boulot
Merci beaucoup !
merci Guillaume, très bien détaillé.... excellent travail
Merci beaucoup
Un grand Merci a toi.
Il m'a fallu moins d'une heure de temps pour bien comprendre le principe des algorithmes expliqué. Bonne maîtrise de la pédagogie. Félicitation
Merci beaucoup
Merci beaucoup, très clair et pédagogique.
Merci :)
merci beaucoup prof, vous êtes le meilleur. Prof faites une vidéo ou vous classez ce serait encore plus instructif
Je vais le faire, merci ! :)
Un grand merci pour ces cours concis mais aussi détaillées.
De rien, c'est un plaisir :)
Merci infiniment chère Guillaume.
de rien, c'est un plaisir :)
Tes vidéos sont géniales! merci et bonne continuation!
Merci, a bientot :)
Merci énormément pour votre travail de pédagogie ! Je m’abonne !
Merci beaucoup et bienvenue sur la chaîne ! Si tu as une question, n'hésite pas :)
Un grand merci on attendait lol !!
Merci beaucoup d'avoir été patient :)
super , une bonne présentaton claire et colorée .Des explications sérieuse sur un ton agréable . Bref Magnifique / 2O.
Quel honneur ! Merci :)
14mn, je veux que vous nous fassiez une vidéo sur la classification de documents. Merci encore une fois
Je vais le faire alors, c'est décidé ! :)
@@MachineLearnia Un grand merci maitre
Excellente vidéo, les animations sont géniales 👌
Merci Luis, content d'avoir un commentaire de ta part ;)
Merci bcp pour ces vidéos merci pour les explications
De rien, c'est un plaisir :)
Merci Guillaume, en fin de parcours Data Analyst je comprends enfin l'utilité d'un dendogramme un Kmean et une ACP. Et ce après 15 visonnages Alexandre
Je ne m'appelle pas Jonathan, mais de rien !
Waaaahhh mais en MOINS DE UNE MINUTE j'ai compris le K-Means, qui restait encore vague suite au cours !!! Merciiiiiiii !!!!!!!!!!!! ❤🙏🙏🙏🙏❤
Superbe série de vidéos. Bravo pour l’approche pédagogique, le format, les explications toussa toussa.
Tout devient plus clair. 👍
Dans la suite de PCA avez-vous prévu de faire une vidéo sur la reconnaissance faciale et eigenfaces ?
Oui je le ferai. merci beaucoup :)
Super intéressant merci !
La claque de savoir, cette vidéo est géniale, bravo !
Merci beaucoup :)
Merci c'est bien expliqué
un grand merci !
merci infiniment, you are the best
Merci beaucoup ! :)
Bravo bravo bravo! vous vidéos sont inspirantes
Merci beaucoup Mohamed !
c 'est vraiment genial
Merci beaucoup 🔥🙏...
Cher Guillaume, vous êtes une source d'inspiration, la qualité du contenu que vous présentez dans la chaîne est magnifique.. Pouvez vous parler dans une vidéo sur les Systèmes de recommandation ??
Oui je vais faire des vidéos sur ce sujet ne vous inquiétez pas :)
@@MachineLearnia Merci :)
très sympa la petite musique en fond, ça donne du rythme à la vidéo dont le contenu est lui-même super.
Merci :)
Merci pour cet excellent vidéo
de rien :)
Une excellente vidéo Guillaume. j'adore ce chat pour expliquer le PCA...Schrodingër n'est pas loin...
Merci JM ! je cherche toujours plus d'analogies et de représentations pour aider la compréhension des novices, et même des plus expérimentés (c'est toujours sympas de faire l'effort de se simplifier un concept que l'on connait déjà)
Merci beaucoup et bonne continuation
merci a vous ! Bonne continuation
Excellent, de tous les cotes, bien fais merci,i
merci beaucoup :)
Merci Guillaume 😊
de rien :)
Continue, ta façon d expliquer me donne envie d apprendre !
Merci ca me fait tres plaisir d'entendre ca :)
Continue svp j ai vu que le dernier vidéo il y a 6 mois courage
merci beaucoup c'est super clair
de rien
en tt cas un tres grand merci a vs guillaume dpuis k j vs ai connu je perds plus de temps pour apprendre l essentiel merci et bn courage
Ca me fait tres plaisir merci :)
Merciiii encore mon bon prof
De rien :)
parfait!!!!!!!!
merci encore pour cette nouvelle video
Tout le plaisir est pour moi :)
Il est le meilleur😘
généralement je préfère regarder des vidéos en anglais(indiens) mais avec machine Learnia ça devient plutôt un plaisir d'apprendre un grand Merci de Marseille
Merci beaucoup pour votre soutien, c'est un plaisir !
j'ai grave aimé le "jouez au loto ce soir". très bonne vidéo comme dab ;)
ahah yes :)
favoris !
Merci infiniment
De rien :)
Bravo et merci
Merci :)
Thank you Mr.
de rien :)
LA MACHINE a encore frappée. Mais quel boulot Guillaume tu fais...Tu es le meilleur et de loin. Tu dois être soutenu d'avantage sur Tipee. C'est un très beau projet ce que tu proposes à tout un chacun. J'ai particulièrement une question pour toi: D'après le questionnaire que tu as envoyé ya quelques jours, comptes tu proposer à l'avenir des formations personnalisées ou autre format payantes pour former des Data Scientists ? Au vue de ce qui est proposé sur internet, ce sera un succès TOTALE pour toi. Ton talent, tes efforts, ta compétence doivent être récompensés. Prend soin de toi et de ta famille en ce mauvais temps................Amicalement André
Merci beaucoup André. Je travaille sur la conception d'une formation qui aidera le plus grand nombre de personnes dans notre communauté, La sortie est prévue pour cette année. Vous allez en entendre parler progressivement... ;)
A bientôt !
merci pour cette vidéo
de rien :)
Merci beaucoup
de rien :)
Bon Retour
I'm back ! (merci ^^)
Bonjour. Merci pour cette vidéo encore très bien réalisé. Les images animées aident vraiment à la compréhension des concepts.
Je serais assez curieux de voir un exemple taille réel de tri de photos à l'occasion si ça se fait sur la chaine.
Encore merci :)
Oui je vais le faire prochainement ! C'est sur ! :)
La vidéo est OUF !
Merci Rex c'est un bon compliment venant de toi :)
Vidéo très instructive ! Merci beaucoup :) Je dois analyser des BDD clients et détecter des atypies et faire des scoring. Je pense que le clustering pourrait être une technique très efficace pour m'aider dans ce travail. !
Merci beaucoup ! Oui je pense que le clustering pourrait être utile ! Bon courage et si tu as une question n'hésite pas !
merci bcp
vos vidéos sont sans doute les meilleures....Cependant, je souhaiterais si c'est possible de voir encore plus de videos contenant des exercices afin de pratiquer encore plus (ex: l'algorithme génétique...) sinon merci bcp pour l'effort, je ne cesse point d'apprendre avec vous.
Je compte faire plus d'exercices a l'avenir, et les vidéo 26, 27 , 28 29 seront complètement sur l'étude de projets
Merci beaucoup Guillaume
Excellent travail, simple et pédagogique ....
SVP pourriez vous nos faire un Tutorial sur L’apprentissage par renforcement?
Je vais en faire une série tout entiere ! :)
@@MachineLearnia Merci d'avance
c'est très gentil...
Finalement L'algorithme PCA
Et ce n'est que le début ! :)
Merci pour la vidéo, ça pourra être intéressant, de faire un exemple pratique avec les différents outils de classement
Merci a vous ! Vous auriez un exemple ?
@@MachineLearnia
J'ai récemment commencé à faire des exemples de chaque outil, et je les partagerai avec vous dès que j'aurai terminé