Cette semaine, nous nous appuyons sur les bases de la semaine dernière pour travailler avec des modèles de régression linéaire plus complexes. Après cette semaine, vous serez en mesure de créer des modèles linéaires avec plusieurs variables explicatives et catégorielles. D'un point de vue mathématique et syntaxique, les modèles de régression linéaire multiple sont une extension naturelle des modèles de régression linéaire plus simples que nous avons appris la semaine dernière. L'une des différences que nous devons garder à l'esprit cette semaine est que notre espace de données est désormais en 3D et non plus en 2D. La différence entre 3D et 2D a des implications sur la façon de créer des visualisations significatives. Il est essentiel de comprendre comment interpréter les coefficients. L'apprentissage automatique implique une itération stratégique et l'amélioration d'un modèle. Dans le laboratoire et l'évaluation par les pairs de cette semaine, vous identifierez les faiblesses des modèles de régression linéaire et les améliorerez de manière stratégique. Nous espérons qu'au fur et à mesure que vous progresserez dans ce cours de spécialisation, vous deviendrez de plus en plus performant dans ce processus itératif.

Bien que le nom de régression logistique puisse suggérer le contraire, nous allons cette semaine passer des tâches de régression aux tâches de classification. La régression logistique est un cas particulier de modèle linéaire généralisé. Comme la régression linéaire, la régression logistique est un outil statistique largement utilisé et l'un des outils fondamentaux de votre boîte à outils de science des données. Il existe de nombreuses applications réelles pour les tâches de classification, notamment dans les domaines financier et biomédical. Dans le laboratoire de cette semaine, vous verrez comment cet algorithme classique vous aidera à prédire si une lame de biopsie provenant du célèbre ensemble de données sur le cancer du sein du Wisconsin présente une masse bénigne ou maligne. Nous vous conseillons également de commencer cette semaine le projet final que vous rendrez à la semaine 7 du cours. Cette semaine, trouvez un ensemble de données pour votre projet, commencez à effectuer l'EDA et définissez votre problème. Utilisez la rubrique du projet comme guide, et n'ayez pas peur d'examiner plusieurs jeux de données jusqu'à ce que vous en trouviez un qui convienne au projet.

Cette semaine, nous allons nous familiariser avec les modèles non paramétriques. Le modèle des plus proches voisins (k-Nearest Neighbors) est intuitivement logique. Les arbres de décision sont un modèle d'apprentissage supervisé qui peut être utilisé pour des tâches de régression ou de classification. Dans le module 2, nous avons découvert le compromis biais-variance, que nous avons gardé à l'esprit tout au long du cours. Les modèles arborescents très flexibles présentent l'avantage de pouvoir capturer des relations complexes et non linéaires. Cependant, ils sont enclins à l'ajustement excessif. Cette semaine et la semaine prochaine, nous explorerons des stratégies telles que l'élagage pour éviter l'overfitting avec les modèles arborescents. Dans le laboratoire de cette semaine, vous créerez un classificateur KNN pour le célèbre ensemble de données MNIST et construirez ensuite un classificateur de spam à l'aide d'un modèle d'arbre de décision. Cette semaine, nous apprécierons une fois de plus la puissance des modèles simples et compréhensibles. Poursuivez votre projet final. Une fois que vous avez finalisé votre ensemble de données et votre AED, commencez à travailler sur l'approche initiale de votre tâche principale d'apprentissage supervisé. Révisez le matériel de cours, lisez des articles de recherche, regardez les dépôts GitHub et les articles Medium pour comprendre votre sujet et planifier votre approche.

La semaine dernière, nous avons découvert les modèles d'arbres. Malgré tous les avantages qu'ils présentent, ces modèles ont quelques faiblesses difficiles à surmonter. Cette semaine, nous allons découvrir les méthodes d'assemblage qui permettent de surmonter la tendance des modèles d'arbre à se surajuster. Le gagnant utilise une approche d'ensemble dans de nombreux concours d'apprentissage automatique, en agrégeant les prédictions de plusieurs modèles d'arbres. Cette semaine, vous commencerez par découvrir les forêts aléatoires et le bagging, une technique qui consiste à entraîner le même algorithme avec différents sous-ensembles de données d'entraînement. Vous découvrirez ensuite le boosting, une méthode d'ensemble dans laquelle les modèles s'entraînent de manière séquentielle. Vous découvrirez deux algorithmes de boosting essentiels : AdaBoost et Gradient Boosting. Cette semaine, travaillez sur l'analyse principale de votre projet final. Répétez et améliorez vos modèles. Comparez différents modèles. Optimisez les hyperparamètres. Parfois, cette partie d'un projet d'apprentissage automatique peut sembler fastidieuse, mais, avec un peu de chance, il sera gratifiant de voir vos performances s'améliorer.

Cette semaine, nous allons explorer un autre sujet avancé, les machines à vecteurs de support. Ne vous laissez pas intimider par ce nom. Cette semaine, nous allons travailler sur la compréhension de ce puissant modèle d'apprentissage supervisé. Nous espérons que vous parviendrez à une compréhension intuitive de concepts essentiels tels que la différence entre les marges dures et douces, l'astuce du noyau et le réglage des hyperparamètres. La semaine prochaine, vous soumettrez les trois livrables de votre projet final : le rapport, la présentation vidéo et un lien vers votre dépôt GitHub. Supposons que vous souhaitiez terminer cette semaine l'itération sur vos modèles, l'optimisation des hyperparamètres, etc. Dans ce cas, la semaine prochaine, vous pourrez peaufiner votre rapport, vous assurer que votre dépôt GitHub est prêt pour l'évaluation par les pairs et faire une excellente présentation de votre travail.