Classification Ascendante Hiérarchique (CAH) en Python - Jour 83

Автор: LeCoinStat

Загружено: 2023-06-04

Просмотров: 4303

Описание:

Dans cette vidéo du jour 83 du challenge #100JoursDeML, découvrez comment utiliser Python pour réaliser une Classification Ascendante Hiérarchique (CAH). Vous apprendrez les bases de cette technique d'analyse de données, les étapes nécessaires pour l'implémenter et comment interpréter les résultats obtenus.

00:00 Introduction
00:54 Qu'est-ce que la CAH ?
01:19 Les étapes pour réaliser une CAH
04:09 Présentation des données et la problématique
06:14 Préparation de la CAH
07:26 Calcul de la matrice de similarité
09:08 Dendrogramme
09:23 Choix du nombre de Clusters et Score de Silhouette
12:00 Interprétation des résultats
14:40 Autres Clusters
16:14 Quiz
17:52 Conclusion et Abonnez-vous :)

#100JoursDeML #LeCoinStat #datascience #machinelearning

Lien vers les vidéos du challenge:    • Présentation du Challenge 100JoursDeML: Pa...

Lien vers le notebook: https://github.com/LeCoinStat/100Jour...

--------------------------------------
SUIVRE LeCoinStat

YouTube : https://www.youtube.com/channel/UCoin...
Discord:   / discord
Linkedin:  / natacha-njongwa-yepnga
TikTok: https://vm.tiktok.com/ZMLEgAhku/
Instagram :  / lecoin_stat
Facebook :   / lecoinstat

Classification Ascendante Hiérarchique (CAH) en Python - Jour 83

Доступные форматы для скачивания:

Скачать видео mp4

Информация по загрузке:

Скачать аудио mp3

Похожие видео

Les Bases Du Clustering : 5 Points Clés à Connaître

Les Bases Du Clustering : 5 Points Clés à Connaître

Maîtriser Les Statistiques Pour Data Scientist Et Data Analyst : 3h30 De Formation

Maîtriser Les Statistiques Pour Data Scientist Et Data Analyst : 3h30 De Formation

webin-R #12 : Classification Ascendante Hiérarchique (CAH)

webin-R #12 : Classification Ascendante Hiérarchique (CAH)

Guide Complet de Traitement des Données Manquantes en Python - Machine Learning

Guide Complet de Traitement des Données Manquantes en Python - Machine Learning

Régression linéraire avec Python

Régression linéraire avec Python

Maîtrisez la Régression Logistique en Python : Guide Pratique

Maîtrisez la Régression Logistique en Python : Guide Pratique

Le Guide Complet pour Maîtriser K-means en Python

Le Guide Complet pour Maîtriser K-means en Python

[Ép. 3] UPGMA, le Plus Populaire des Algorithmes de Classification

[Ép. 3] UPGMA, le Plus Populaire des Algorithmes de Classification

Comprendre l'ACP en Moins de 20 min: Analyse en Composantes Principales -Guide Pour Débutants

Comprendre l'ACP en Moins de 20 min: Analyse en Composantes Principales -Guide Pour Débutants

Учебник по машинному обучению Python - 13: алгоритм кластеризации K-средних

Учебник по машинному обучению Python - 13: алгоритм кластеризации K-средних

ACP En R: Tutoriel Pratique pour Débutant(e)s

ACP En R: Tutoriel Pratique pour Débutant(e)s

Classification ascendante hiérarchique (cours 1/4) : les données, la problématique

Classification ascendante hiérarchique (cours 1/4) : les données, la problématique

Clustering hiérarchique, méthode non supervisée du machine learning | Cycle avancé IA #9

Clustering hiérarchique, méthode non supervisée du machine learning | Cycle avancé IA #9

КАК УСТРОЕН TCP/IP?

КАК УСТРОЕН TCP/IP?

Analyse en Composantes Principales (ACP) avec Python: Guide Pratique pour Débutant(e)s

Analyse en Composantes Principales (ACP) avec Python: Guide Pratique pour Débutant(e)s

Иерархический кластерный анализ [Простое объяснение]

Иерархический кластерный анализ [Простое объяснение]

k-Means expliqué d'une façon simple sans formules mathématiques

k-Means expliqué d'une façon simple sans formules mathématiques

Classification sous R avec FactoMineR et Factoshiny

Classification sous R avec FactoMineR et Factoshiny

Réaliser les KMEANS En R: Le Guide Complet Pour Débutant(e)s

Réaliser les KMEANS En R: Le Guide Complet Pour Débutant(e)s

Курс Python с Абсолютного нуля! [12 часов из 80] Python курс - качественный старт для начинающих!

Курс Python с Абсолютного нуля! [12 часов из 80] Python курс - качественный старт для начинающих!