GitHub - lordkevinmo/machine-learning-with-python: Les fichiers hébergés dans cette repository contiennent des projets sur des applications de divers algorithme de Machine Learning.

This repository was archived by the owner on Jul 22, 2019. It is now read-only.

Name		Name	Last commit message	Last commit date
Latest commit History 4 Commits
3D_distribution_based_on_Education_age_Income.png		3D_distribution_based_on_Education_age_Income.png
About-recommander-dataset.txt		About-recommander-dataset.txt
LICENSE		LICENSE
README.txt		README.txt
Regression.txt		Regression.txt
agglomerative_clusterin_with_scatter_plot.png		agglomerative_clusterin_with_scatter_plot.png
based_content_filtering.py		based_content_filtering.py
cancer_classification.py		cancer_classification.py
centroid_visualisation.png		centroid_visualisation.png
client_segmentation.py		client_segmentation.py
client_segmentation_with_kmeans.png		client_segmentation_with_kmeans.png
clustering_with_dbscan_on_random_dataset.png		clustering_with_dbscan_on_random_dataset.png
clustering_with_kmeans_on_random_dataset.png		clustering_with_kmeans_on_random_dataset.png
co2_emission_scatter.png		co2_emission_scatter.png
collaborative_filtering.py		collaborative_filtering.py
confusion_matrix.png		confusion_matrix.png
data_fit.png		data_fit.png
dataset_plot.png		dataset_plot.png
dbscan_clustering.py		dbscan_clustering.py
dendrogramme_obtenu_avec_le_jeu_de_donnee_aleatoire.png		dendrogramme_obtenu_avec_le_jeu_de_donnee_aleatoire.png
distribution_of_customers_based_on_their_age_and_income.png		distribution_of_customers_based_on_their_age_and_income.png
distribution_of_the_classes_based_on_clump thickness_and_uniformity(classification).png		distribution_of_the_classes_based_on_clump thickness_and_uniformity(classification).png
drugtree.png		drugtree.png
emission(cylinders)_scatter.png		emission(cylinders)_scatter.png
emission(engine_size)_scatter.png		emission(engine_size)_scatter.png
hierarchical_clustering.py		hierarchical_clustering.py
model_accuracy_telecust_classification_accuracy(number_of_naighbors).png		model_accuracy_telecust_classification_accuracy(number_of_naighbors).png
non-linear-regression.py		non-linear-regression.py
nuage_de_points_des_donnees_aleatoires.png		nuage_de_points_des_donnees_aleatoires.png
patient_decision_tree.py		patient_decision_tree.py
regression.png		regression.png
regression.py		regression.py
scatter_plot_of_price_mpg(horspow).png		scatter_plot_of_price_mpg(horspow).png
sigmoid_plot.png		sigmoid_plot.png
station_clustering.png		station_clustering.png
telecom_company_model.py		telecom_company_model.py
telecom_company_model_confusion_matrix.png		telecom_company_model_confusion_matrix.png
telecust_classification.py		telecust_classification.py
underfiting.png		underfiting.png
vehicle_clustering_dendrogram.png		vehicle_clustering_dendrogram.png
vehicle_clustering_scatter_plot.png		vehicle_clustering_scatter_plot.png
visualization_of_stations_on_the_map.png		visualization_of_stations_on_the_map.png

Repository files navigation

Les fichiers hébergés dans cette repository contiennent des projets sur des applications de divers algorithme de Machine Learning.

Les datasets utilisées sont hébergées sur le lien suivant : 

https://drive.google.com/open?id=1nZS7fGIUSrks7OAYzXSZKNGa7fEXxccx

Les algos étudiés sont : 

1. La regression
- Régression Linéaire Simple
- Régression Linéaire Multiple
- Régression Non-Linéaire 

2. Classification
- K plus proche voisins
- Arbre de décision
- Régression logistique
- Machine à vecteur de support

3. Regroupement (Clustering)
- K Moyens
- Regroupement hiérarchique
- DBSCAN

4. Système de recommendation
- Recommendation basée sur le contenu
- Filtrage collaboratif