Apprentissage supervisé avec Scikit-Learn

L’apprentissage supervisé consiste à entraîner un modèle à l’aide de données étiquetées afin d’effectuer des prédictions ou de classer des points de données. Scikit-learn est une bibliothèque Python couramment utilisée pour mettre en œuvre des modèles d’apprentissage supervisé.

Dans cette leçon, vous apprendrez à construire et à évaluer des modèles d’apprentissage supervisé avec Scikit-learn.

Qu’est-ce que l’apprentissage supervisé ?

L’apprentissage supervisé utilise des données étiquetées, dans lesquelles chaque entrée possède une sortie correspondante. L’objectif est d’apprendre une correspondance entre les entrées et les sorties.

Les tâches courantes comprennent :

• Régression : Prédire des valeurs continues, par exemple le prix d’une maison.
• Classification : Prédire des catégories, par exemple déterminer s’il s’agit de courrier indésirable ou non.

Configurer Scikit-Learn

Installez Scikit-learn avec pip :

pip install scikit-learn

Une fois l’installation terminée, vous pouvez l’importer et commencer à construire des modèles.

Régression linéaire

La régression linéaire sert à prédire des valeurs continues. Construisons un modèle simple de régression linéaire :

# Example: Linear Regression
from sklearn.linear_model import LinearRegression

# Sample data
X = [[1], [2], [3]]
y = [2, 4, 6]

model = LinearRegression()
model.fit(X, y)
print("Predicted value:", model.predict([[4]]))

Régression logistique

La régression logistique est utilisée pour les tâches de classification binaire, comme déterminer si un e-mail est indésirable ou non.

# Example: Logistic Regression
from sklearn.linear_model import LogisticRegression

# Sample data
X = [[1], [2], [3]]
y = [0, 0, 1]

model = LogisticRegression()
model.fit(X, y)
print("Predicted class:", model.predict([[1.5]]))

Arbres de décision

Les arbres de décision sont des modèles polyvalents capables de gérer les tâches de régression comme de classification. Construisons un classifieur simple à base d’arbre de décision :

# Example: Decision Tree Classifier
from sklearn.tree import DecisionTreeClassifier

# Sample data
X = [[1], [2], [3]]
y = [0, 1, 0]

model = DecisionTreeClassifier()
model.fit(X, y)
print("Predicted class:", model.predict([[2.5]]))

Évaluer les modèles

Scikit-learn fournit des métriques pour évaluer les performances des modèles :

• Erreur quadratique moyenne (MSE) : Pour les modèles de régression.
• Exactitude : Pour les modèles de classification.

# Example: Evaluating a model
from sklearn.metrics import mean_squared_error

# Predictions
y_true = [2, 4, 6]
y_pred = [2.1, 3.9, 5.8]
print("MSE:", mean_squared_error(y_true, y_pred))

Séparation entre entraînement et évaluation

Séparez toujours votre jeu de données en ensembles d’entraînement et d’évaluation afin d’évaluer les performances du modèle sur des données inédites :

# Example: Train-Test Split
from sklearn.model_selection import train_test_split

X = [[1], [2], [3], [4]]
y = [0, 1, 0, 1]

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25)
print("Training data:", X_train)

Erreurs courantes en apprentissage supervisé

Voici quelques erreurs à éviter :

• Ne pas séparer les données en ensembles d’entraînement et d’évaluation.
• Provoquer le surapprentissage du modèle en utilisant des algorithmes trop complexes.
• Utiliser des données mal étiquetées pour l’entraînement.

Qu’avons-nous appris ?

Dans cette leçon, vous avez appris :

• À construire des modèles de régression et de classification avec Scikit-learn.
• À évaluer les performances des modèles à l’aide de métriques comme la MSE et l’exactitude.
• L’importance de séparer les données en ensembles d’entraînement et d’évaluation.
• Les erreurs courantes à éviter dans les tâches d’apprentissage supervisé.

Excellent travail ! Passons au sujet suivant.