Snippets

Du code concis, avec une explication claire.

python

sklearn KBinsDiscretizer: discrétiser des features

convertir une feature continue en bacs (binning)

#sklearn#preprocessing#binning
python

sklearn: KMeans + silhouette

Choisir k via score silhouette.

#sklearn#kmeans#clustering
python

sklearn: KNeighborsClassifier

Classification par plus proches voisins.

#sklearn#knn#classification
python

sklearn KNNImputer: imputer par plus proches voisins

imputation de valeurs manquantes via KNNImputer

#sklearn#imputation#knn
python

sklearn LogisticRegression SAGA L1/L2

régression logistique pénalisée L1/L2 avec solver SAGA

#sklearn#logistic#regularization
python

sklearn: MCC, F-beta, balanced accuracy

mesurer classification déséquilibrée avec MCC, F-beta, balanced accuracy

#sklearn#metrics#imbalance
python

sklearn: ROC AUC et Precision-Recall

Mesurer la qualité des scores probabilistes.

#sklearn#metrics#auc
python

sklearn OPTICS: clustering par densité

clustering de densité avec OPTICS et extraction de clusters

#sklearn#clustering#optics
python

sklearn: partial dependence

Comprendre l'effet d'une feature sur la prédiction.

#sklearn#explain#pdp
python

sklearn: permutation importance

Mesurer importance des features par permutation.

#sklearn#importance#permutation
python

sklearn: Pipeline + StandardScaler

Chaîner scaling et modèle proprement.

#sklearn#pipeline#scaling
python

sklearn GradientBoostingRegressor en quantile

prédire des intervalles par quantile regression avec GradientBoosting

#sklearn#regression#quantile
← Plus récents page 33 sur 107 Plus anciens →