Accéder au contenu principal

Sélection

Les algorithmes d'apprentissage supervisé en Machine Learning

 Quels sont les algorithmes d'apprentissage supervisé les plus répandus en ML ?  C'est un réel plaisir de vous retrouver la team #TheDayInfo 😎pour un nouvel article.  Nous allons découvrir aujourd'hui les algorithmes d'apprentissage supervisé en ML(Machine Learning).  Pour tout savoir sur la méthode d'apprentissage supervisé, je vous invite à lire mon article là dessus. Exemple d'un algorithme Le SVM (Support Vector Machine) En apprentissage supervisé, lorsqu'on veut résoudre des problèmes de régression, de classification ou détecter des valeurs abbérantes avec moins de puissance de calcul, SVM est l'algorithme de choix.  Le principe ici avec le SVM est de trouver un hyperplan dans un espace à N-dimensions (avec N = au nombre de caractéristiques) qui classe distinctivement les points de données. Arbre de décision(Decision tree) Comme son nom l'indique, c'est un arbre qui aide à la prise de décision.  Pour faire simple, vous avez des données sur

Comment créer un model de prédiction avec TensorFlow.js?

Prédiction avec TensorFlow.js


Le principal objectif du Machine Learning est la prédiction et le faire en un laps de temps sur une multitude de données est tout simplement EX.CE.LLENT. 

Hello la team #TheDayInfo, je suis heureux de vous retrouver après un mois d'absence. J'espère que vous allez bien. 

Nous verrons de façon basique aujourd'hui, comment prédire le prix d'un stylo avec TensorFlow.js. 




Alors, TensorFlow.js permet de déployer des modèles de Machine Learning dans les sites web. Le code est en Javascript. 

Ensuite, prédire le prix d'un stylo revient à résoudre en Machine Learning, un problème de régression. Avec ce que vous allez apprendre dans cet article, vous pourrez prédire le prix d'une maison, le cours de la bourse, le prix d'un stylo ou encore l'évolution de la température dans votre pays.

Pour comprendre certaines parties du code, je vous invite à lire mon article sur TensorFlow2.0.

Outils à avoir

1) Un navigateur Chrome
2) Un éditeur de texte
3) quelques connaissances en JavaScript

Mise en place des données

Nous allons préparer les données qui vont nous servir pour la prédiction et qu'on appelle Jeu de données(Dataset).

Index.html




Ça c'est du HTML basique sur lequel je ne donnerai aucune explication. Je vous dirai que cela affichera "Bienvenue sur le blog de The Day Info".


Script.js

A la première ligne, nous déclarons une variable indépendante comme constante avec pour valeur, un tenseur à 1D. Les valeurs du tenseur représentent les entrées(input).  

A la seconde ligne, nous déclarons une variable dépendante comme constante avec pour valeur un tenseur à 1D dont les valeurs représentent ce qu'on veut prédire. 

J'ouvre une parenthèse ici. 

En fait, dans la résolution d'un problème de régression linéaire, la fonction est la suivante:  ^y = wx + b avec ^y(ce qu'on veut prédire), w(le poids), x(input) et b(bias).

Nous donnons à la machine, ^y et x et elle se charge de trouver w et b pour la prédiction. 

La dernière ligne, nous demandons l'affichage des variables du pois et du bias. 



Pour afficher le panneau de droite, faites clique droit et ensuite 'Inspecter cette page' et enfin 'Console'. 

Mise en place et entrainement de notre modèle ML 

Nous allons construire notre modèle de régression linéaire et l'entrainer. 


 Ligne 14-17
Nous mettons en place la fonction de perte comme erreur quadratique moyenne

Ligne 27-30
Nous créons la fonction d'entrainement avec initialisation de l'optimiseur comme Descente de Gradient Stochastique.

Ligne 33-36
Nous utilisons l'optimiseur pour réduire les pertes. 

J'ai laissé certains commentaires en anglais parce que je trouve ça mieux😎


Ligne 41-42
Nous mettons l'entrainement du modèle à 2000 étapes. 

Ligne 45 
On affiche la prédiction





Voilà le résultat😎😎😎!!! 

A chaque fois que vous rechargez la page, vous verrez les prédictions s'affiner pour un meilleur résultat. 


Pour finir, je vous invite à vous abonner à la page Facebook https://web.facebook.com/thedayinfo/ et la chaine YouTube https://www.youtube.com/channel/UCHUOs_kBbj3LDnYAKHTsf6Q?view_as=subscriber pour ne manquer aucune info sur les activités du blog. 

Excellente semaine à tous!!!
















 





 

Commentaires

Articles les plus consultés

Follow @ArmelYara