Merci mais,

c'est du sarcasme ?
La présence du smiley " " me fait douter.

Je sais pas si c'est sincère ou si c'est ironique.

Non ça a l'air cool

pas de sarcasme implicite pour les projets de ce topic on est entre nous

Merci, en tout cas.
Arf tu vois, c'est pareil t'as mis un smiley du coup ça me fait douter également.

Mais j'y peux rien j'ai toujours eu du mal à saisir les nuances et les sous-entendus, et à les différencier des paroles honnêtes.
Je vais pas faire un pavé mais c'est juste très dur pour moi car mon cerveau est mal "configuré".

En train d'apprendre le machine learning.....
C'est super interessant, mais pas mal de notions à connaitre

Le 23 janvier 2018 à 17:47:00 Ranma__Saotome a écrit :
En voilà encore une, une claymore/autre grosse épée.

Est-ce que je devrais rallonger la poignée ?
Je la trouve trop petite, je trouve que la main est trop près de la garde.

Bof ça va je trouve la poignée m'a pas spécialement paru petite à première vu
Par contre pas convaincu par la texture de la lame

(t'as vu j'ai fait gaffe aux smileys pour pas semer le doute cette fois )

Le 23 janvier 2018 à 19:37:07 [-Shana-] a écrit :
En train d'apprendre le machine learning.....
C'est super interessant, mais pas mal de notions à connaitre

Méga intéressant mais jamais eu le temps de m'y pencher
Je saurais pas trop quoi en faire au final

Je saurais pas trop quoi en faire au final
Le transformer en salaire

Je post ça ici également car une amie aimerait des critiques concernant son travail pour pôle 3D dans l'optique de travailler dans le JV à terme
https://www.youtube.com/watch?v=X3WulA40jBQ

Merci d'être constructif s'il y a des choses à revoir

@Ranma C'est le bras droit qui me choque le plus sur le screen où tu attaques

Ah bon, pourquoi ?

Je sais pas, on dirait qu'il a deux coudes et qu'il est tout rayé

c'est censé être des poils, sur la texture, tu crois que je devrais la modifier
Bah, je trouve ça étrange moi

Le 23 janvier 2018 à 19:37:07 [-Shana-] a écrit :
En train d'apprendre le machine learning.....
C'est super interessant, mais pas mal de notions à connaitre

Si t'as des questions hésite pas

"Si t'as des questions hésite pas "
Bah je suis en train de voir les modèles de régression linéaire là
Après l'implémentation est vachement facilité via python, ça va
C'est la théorie qui est pas forcément évidente à comprendre

" l'implémentation est vachement facilité via python" L'utilisation tu veux dire
Avec sklearn t'as rien à faire/à implémenter
La théorie est hard surtout si tu commences à aller dans le détail mathématique (en licence t'auras pas forcément les notions pour tout, notamment sur SVM, même si on peut toujours comprendre la vulgarisation).
Après ça t'apprend plein de chose sur ce que "apprendre" signifie justement, notamment l'équilibre biais/variance et le surapprentissage. Intuitivement perso j'aurai pas pensé à ces concepts et les premiers outils de machine-learning que j'ai bidouillé prenaient pas du tout en compte ce phénomène.

Et si tu veux continuer dans le domaine, hésite surtout pas à apprendre R (IDE: RStudio), c'est un peu le langage de référence.
A ce niveau c'est davantage du script que de la programmation

Le 24 janvier 2018 à 09:26:39 whiteapplex a écrit :
" l'implémentation est vachement facilité via python" L'utilisation tu veux dire
Avec sklearn t'as rien à faire/à implémenter
La théorie est hard surtout si tu commences à aller dans le détail mathématique (en licence t'auras pas forcément les notions pour tout, notamment sur SVM, même si on peut toujours comprendre la vulgarisation).
Après ça t'apprend plein de chose sur ce que "apprendre" signifie justement, notamment l'équilibre biais/variance et le surapprentissage. Intuitivement perso j'aurai pas pensé à ces concepts et les premiers outils de machine-learning que j'ai bidouillé prenaient pas du tout en compte ce phénomène.

Ouaip', au temps pour moi, l'utilisation
Par implémentation j'entendais transformer la théorie en pratique
Mais ouaip', sklearn c'est un peu magique

J'en suis pas encore à ces notions concrètement, je sais ce que c'est mais j'y vais étape par étape
Je regarderai le R à l'occasion si je continue, de toute manière j'ai remarqué que c'est un cours que j'avais ce semestre, mais la prof l'a expliqué d'une manière assez étrange à base de "on a une problématique et on va trouver un modèle pour répondre à ça" sans expliquer forcément ce qu'elle entendait par modèle
C'est quand j'ai vu l'équation de régression linéaire que j'ai capté que c'était ça

PS : Je viens de regarder par curiosité R, ça me rappelle vachement anaconda avec Spyder

Besoin d'aide

Je refais tout en prenant les notes sur les parties théoriques, et j'en suis aux modèles qu'il présente via 5 méthodes, et dedans il parle à chaque fois d'une p-value, cependant j'arrive pas à savoir c'est quoi. J'ai compris le principe, mais rien n'indique comment elle est calculée

Extrait de mes notes et de son cours :

Backward Elimination

• 1) Choisir un seuil SL pour rester dans le modelé (sg : 0.05)
• 2) Remplir le modèle avec tous les predicteurs
• 3) Considérer le prédicateur ayant la plus grande p-value. Si p-value > SL, aller au 4) autrement c'est fini
• 4) Enlever le predicteur
• 5) Ajuster le modèle sans cette variable, retourner au 3)

Du coup, admettons ce dataset :

On a en variables indépendantes la R&D, l'administration, le marketing, l'état, en variable dépendante le profit

A première vue je suis censé mettre tous ces predicteurs, mais ensuite ?
Comment on voit pour trouver la p-value ?

Merci

Dans ce contexte, la p-value représente la confiance qu'on a dans l'influence du prédicteur sur la valeur à prédire (si je me rappelle bien).
En gros, plus elle est faible, plus on interprète ça comme "cette variable a une influence forte".
Ce que ton prof essaie de te faire faire c'est éliminer les variables non significatives dans la prédiction.
En R typiquement, il suffit de donner ton tableau, de faire "reg = lm(Profit~., tableau)" pour faire la régression et "summary(reg)" pour avoir les pvalue associées à chaque colonne.

Pour voir quelles variables sont significatives, tu as la forward et backward stepwise selection.

En gros là, tu vas avoir un modèle sur 6 variables (j'imagine que tes State sont décomposés en binaire), chacun sa pvalue. Visiblement la pvalue faible sera celle d'un des Etats ou de l'administration. Tu la supprimes, et tu refais le modèle sur 5 variables etc... Au final t'auras surement plus que R&D et Marketing.

Comment trouver la pvalue ? Précisément j'ai pas le calcul en tête, la pvalue ça se base sur un test d'hypothèse en statistique, il faut regarder les formules associés aux tests d'hypothèses faits sur les régressions (ton prof te demande de refaire tous les maths ? sinon il faut juste regarder la documentation des outils python que t'utilises ils le font surement déjà eux mêmes)
Tu peux trouver les maths de la regression linéaire un peu partout ( https://eric.univ-lyon2.fr/~jjacques/Download/Cours/Slides-Stat-de-Base-II.pdf ) ou ici, j'imagine qu'ils parlent de ça à "autres tests et ic" http://irma.math.unistra.fr/~fbertran/enseignement/Master1_FC_MCB/Cours5.pdf

Le 24 janvier 2018 à 17:52:19 whiteapplex a écrit :
Dans ce contexte, la p-value représente la confiance qu'on a dans l'influence du prédicteur sur la valeur à prédire (si je me rappelle bien).
En gros, plus elle est faible, plus on interprète ça comme "cette variable a une influence forte".
Ce que ton prof essaie de te faire faire c'est éliminer les variables non significatives dans la prédiction.
En R typiquement, il suffit de donner ton tableau, de faire "reg = lm(Profit~., tableau)" pour faire la régression et "summary(reg)" pour avoir les pvalue associées à chaque colonne.

Pour voir quelles variables sont significatives, tu as la forward et backward stepwise selection.

En gros là, tu vas avoir un modèle sur 6 variables (j'imagine que tes State sont décomposés en binaire), chacun sa pvalue. Visiblement la pvalue faible sera celle d'un des Etats ou de l'administration. Tu la supprimes, et tu refais le modèle sur 5 variables etc... Au final t'auras surement plus que R&D et Marketing.

Comment trouver la pvalue ? Précisément j'ai pas le calcul en tête, la pvalue ça se base sur un test d'hypothèse en statistique, il faut regarder les formules associés aux tests d'hypothèses faits sur les régressions (ton prof te demande de refaire tous les maths ? sinon il faut juste regarder la documentation des outils python que t'utilises ils le font surement déjà eux mêmes)
Tu peux trouver les maths de la regression linéaire un peu partout ( https://eric.univ-lyon2.fr/~jjacques/Download/Cours/Slides-Stat-de-Base-II.pdf ) ou ici, j'imagine qu'ils parlent de ça à "autres tests et ic" http://irma.math.unistra.fr/~fbertran/enseignement/Master1_FC_MCB/Cours5.pdf

C'est pas demandé forcément pour le moment de le faire à la main, j'avais bien compris la logique de la p-value, mais c'est toujours intéressant de connaitre la théorie derrière pour pouvoir le refaire de soi même
Merci pour les liens, je vais regarder ça !

React Native c'est puissant, mais bordel, le nombre de soucis à cause npm, c'est horripilant