Épisode

Recherche de corrélation : Clé de régression linéaire [Partie 11] | Machine Apprentissage pour les débutants

par Bea Stollnitz

Machine learning pour les débutants

Dans cette vidéo, Bea Stollnitz, principal Cloud Advocate chez Microsoft, explique le concept de corrélation et comment il est essentiel pour les prédictions de régression linéaire réussies. Cette vidéo fait partie de notre série Machine Apprentissage pour débutants, où nous abordons diverses rubriques de Machine Learning et leur implémentation à l’aide du code Python dans les notebooks Jupyter.

Dans cette vidéo, vous allez apprendre :

  • Quelle corrélation est et comment elle est mesurée
  • Comment évaluer la corrélation entre deux variables à l’aide de nuages de points
  • Comment calculer des valeurs de corrélation à l’aide du code
  • Importance de la corrélation pour les prédictions de régression linéaire

Nous allons vous guider tout au long du processus de visualisation de la corrélation entre les variables à l’aide de nuages de points et de calcul des valeurs de corrélation à l’aide du code Python. À la fin de la vidéo, vous comprendrez l’importance d’une corrélation forte pour effectuer des prédictions précises avec régression linéaire et comment identifier les corrélations potentielles dans vos données.

Restez à l’écoute pour la prochaine vidéo de cette série, où nous allons approfondir les différentes rubriques de Machine Learning et vous guider tout au long de leur implémentation à l’aide du code Python dans les notebooks Jupyter. Nous vous accueillerons là-bas !

Chapitres

  • 00:00 - Introduction
  • 00 :15 - Qu’est-ce que la corrélation ?
  • 00 :34 - Corrélation de calcul à l’aide de la fonction corr
  • 00 :42 - Sens des résultats de corrélation, et corrélation positive et négative
  • 01 :22 - Calculer la corrélation dans le code
  • 01 :58 - Vérifier la corrélation avec un nuage de points
  • 02 :20 - Vérifier la corrélation à l’aide du code
  • 02 :29 - Rechercher des modèles dans le nuage de points
  • 03 :04 - Rechercher la corrélation à l’aide de données filtrées
  • Ce cours est basé sur le programme gratuit et open source ML pour les débutants de Microsoft, qui compte 26 leçons.
  • Le bloc-notes Jupyter à suivre avec cette leçon est disponible !

Se connecter

Azure Machine Learning
Python