PYTHON NUMPY Indexing Slicing Masking (11/30)

[@mackensonjoseph8803]

Aux personnes qui mettent un 👎 je vous demande d'arrêter de le faire car monsieur s'est efforcé de nous partager gratuitement ceux qu'il a payé pour apprendre s'il a une que vous n'aimez pas conseiller lui plutôt en commentaire ne le décourage pas et si vous n'êtes pas capable de faire ça faites votre chemin ne mais pas de👎🙏

[@MachineLearnia]

Merci beaucoup pour ton attention et ton encouragement. Mais je ne m'en fais pas si certains haters mettent un pouce rouge, c'est la vie, c'est pas grave ! Je suis content de faire les videos pour les gens comme toi :)

[@mackensonjoseph8803]

@@MachineLearnia j'adore les gens comme vous qui donnent gratuitement ceux que vous avez payé qui aiment partager leur connaissance merci beaucoup Mec

[@mackensonjoseph8803]

@@MachineLearnia Je suis actuellement en première année de licence informatique et j'aime comme vous tout ce qui en rapport au deep learning machine learning tout ça et ce que j'aimerais savoir c'est comment je peux focaliser mes études pour y faire carrière dans. Conseiller moi svp

[@Coran-q7b]

Oh meilleures prof de tout les temps merci beaucoup mr

[@redbed012]

cette formation est juste une dinguerie, j'ai 14 ans et j'adore les IA et le python. merci beaucoup pour tout ce que j'ai appris !

[@Merlin-fi6xk]

@imaths23 XDD

[@B2Atech]

Franchement Bravo, je suis vos vidéos avec attention et passion. Excellent pédagogue et formateur

[@japanfigs8063]

Tu es un excellent pédagogue c'est un truc de fou! Vraiment merci pour tout le travail que tu fournis (ecriture des cours, montage des videos, etc..)

[@MachineLearnia]

Merci beaucoup pour ton commentaire. Je suis vraiment heureux d'avoir un tel retour, c'est génial de savoir que mon contenu vous aide réellement ! :)

[@mohamedahmed-dahmane2300]

Même dans Lynda, je n'ai pas pu trouver une formation aussi bien préparée et très bien structurée. Bravo ! votre manière d'expliquer des sujets aussi complexes est sensationnelle. You make it look ridiculously easy. Merci infiniment.

[@MachineLearnia]

Merci beaucoup, votre message me fait tres plaisir ! :)

[@pierre-louis4519]

Vous êtes un vulgarisateur exceptionnel. Merci pour ce partage de vos connaissances.

[@haitamarsalane9924]

vous êtes le meilleur, une explication facile à comprendre et efficace,vous feriez un très bon prof,merci bcp pour l'effort.

[@bamokinamoandadestin7888]

c'est un prof. Et pour moi KZbin est une université en soi; lorsqu'on voit la qualité de certains créateurs de contenu.

[@Amadou418]

Franchement c'est la première fois que je vois une vidéo d'une telle clarté. Merci pour tout le travail fourni. Merci Merci Merci à l'infini.

[@MachineLearnia]

De rien, c'est un plaisir :)

[@vgflyway1063]

Nan mais vous êtes le meilleur si on peut factoriser toutes vos vidéos

[@MachineLearnia]

Merci beaucoup !

[@axelmaurelangu9398]

Vraiment merci beaucoup pour cette formation qui pour moi est delà de mes attentes. L'explication est tellement claire que j'ai déjà l'impression d'avoir atteint un certain niveau :) Dommage que se soit maintenant que je découvre votre chaine.

[@matvay8281]

J'abonde les commentaires précédents, le niveau de préparation est excellent et les vidéos sont très bien équilibrées entre la vision d'ensemble du module et le petit détail qui vient de ton expérience. Pour numpy, le plus dur va être la différence de logique d'index par rapport à Matlab, le 0 et aussi le point d'arrêt à N+1. Un coup à prendre mais un risque de boulettes dans le code aussi.

[@MachineLearnia]

Merci beaucoup ! Je suis d'accord avec toi pour Numpy : la logique d'indexing peut embrouiller certaines personnes, mais ce n'est pas le seul point qui peut embrouiller les gens. Je vais faire un petit résumé de ce qu'il y a de plus important dans Numpy dans la vidéo 13/30 :)

[@saadiaouldsaada4003]

Hey, superbe vidéo, et j'adore le fait que ça soit en français car on n'a pas besoin de fournir un double effort pour à la fois comprendre le cours et l'anglais. Et merci infiniment t'as réussi à me réconcilier avec Python 🙏

[@MachineLearnia]

Super ! Mission accomplie ! ^^

[@miramira6282]

malgré que j'ai pas encore étudier le deep learning même je débute à la machine learning mais je me sens que vos vidéos python incluent tous ce qui est nécessaire et tout ce qui est important, bon continuation

[@MachineLearnia]

Pour bien se lancer en Deep Learning, il est important de bien comprendre les algorithmes de Machine Learning qui reposent sur l'optimisation par la descente de gradient

[@diopmamadou3998]

C'est un régale de vous suivre!

[@MachineLearnia]

Merci beaucoup :)

[@alouiyaz]

Excellente formation très pédagogique , bravo prof

[@MachineLearnia]

Merci a vous !

[@hassanbrahimadouma5776]

Excellente video j'ai decouvert grace à un amis mais frenchement c'est trés idéal pour un debutant comme pour un expers.merci infinement à plus

[@MachineLearnia]

Mes salutations a votre ami :)

[@jeandirel5788]

cette formation est juste une dinguerie

[@VisionTech-g5n]

je viens juste de m'aboner sur votre chaine et je la trouve vraiment hyper intéressant j'ai toujours aimer la programmation et les données c'est juste exceptionnel de voir que je suis au bon endroit un pouce en l'air beaucoup d'encouragement a toi et big up a la chaine

[@lololm1435]

encore une vidéo géniale qui s'annonce, j'en profite pour te remercier chaleureusement pour cette série très intéressante et facile à suivre, que moi et une amie suivons pendant les vacances, pour mieux nous préparer et connaître plus sur le machine learning pour plus tard..

[@MachineLearnia]

Bravo a vous deux pour vous occuper du développement de vos compétences durant les vacances ! Vous irez loin ! :)

[@julienjacquemont6048]

Super vidéo! particulièrement claire et didactique merci!

[@MachineLearnia]

Super ! Merci beaucoup pour le retour ! :)

[@abdallahmansouri9807]

you are an excellent trainer.i loved python during watching those videos.thanks a bundle sir.your teaching strategy is wonderful and pedagogic.

[@MachineLearnia]

So nice of you thank you very much :)

[@amineghadi4602]

Merci beaucoup pour cette formation c'est très intéressante , espérant que nous aurons l'occasion par la suite de voir avec vous un projet data science complet de A à Z

[@MachineLearnia]

Il y en a un a la fin de cette série, dans les vidéos 26 27 28 et 29.

[@totow1091]

J'arrive très tard pour dire cela mais je te remercie sincèrement pour tes vidéos. Ce sont les meilleurs que j'ai pu trouver pour apprendre le machine learning. J'aimerais en faire mon métier et si j'y arrive ce sera grandement grâce à toi :D

[@MachineLearnia]

Merci beaucoup pour ton message, ca me fait super plaisir ! Bravo tu es très motivé et je suis sur que tu réussiras ! :)

[@totow1091]

Machine Learnia Merci ! D’ailleurs, il y a-t-il un serveur discord pour machine learnia où l’on peut poser ses questions ?

[@yaminadjoudi4357]

Merci beaucoup, j'ai hâte a voir votre série de deep learning avec tensorflow, j'avais peur d'apprendre python mais suis optimiste en enchainant votre chaine, keep going

[@MachineLearnia]

Merci a vous ! :D

[@amyd.2840]

Encore une fois : super vidéo ! Merci beaucoup !

[@MachineLearnia]

Merci Beaucoup. J'ai beaucoup aimé produire cette vidéo :)

[@Erwan_449]

Merci beaucoup pour ces vidéos ultra clair, j’ai appris énormément.

[@MachineLearnia]

Je vous en prie, c'est un plaisir :)

[@SoufianeBALLOUKENSEM]

Un excellent tutoriel. bravo aussi pour la manière d'explication vraiment géniale; Vraiment merci pour tout le travail que tu fournis.

[@MachineLearnia]

C'est un plaisir, merci !

[@pokoatiyodi2183]

Avec vous les choses sont très facile

[@MachineLearnia]

Je suis heureux que les videos vous plaisent autant !

[@trbmp]

excellent travail Guillaume, bravo !

[@MachineLearnia]

Merci beaucoup !

[@imanebenjada750]

bonjour vous etes un bon enseignant

[@khaoulabouziane1681]

simple, nette et clair. Vraiment ça donne envie d'apprendre Python. Merci beaucoup pour ces super vidéo

[@MachineLearnia]

De rien, tout le plaisir est pour moi :)

[@Coran-q7b]

❤❤❤ Merci Mr

[@abdoulsalamsoumah4723]

mon grand tu est le meilleur. Tu donne du lourd

[@MachineLearnia]

Merci beaucoup ! Bon courage a toi !

[@sihemmansour5303]

un excellent tutoriel. bravo aussi pour la manière d'explication vraiment géniale

[@MachineLearnia]

Merci beaucoup ! Regardez-vous les autres épisodes ? :)

[@bensadililia3359]

je suis très contente de cette vidéo , vu que je travail sur le traitement d'image . merciiiiiiiiiiiiiiiii

[@MachineLearnia]

Je pense que vous allez aimer les videos de la série sur le Deep Learning du coup.

[@bensadililia3359]

@@MachineLearnia vous avez des vidéos spécial deep learning??

[@MachineLearnia]

@@bensadililia3359 Oui c'est sur la chaine KZbin, la série est en cours !

[@bensadililia3359]

@@MachineLearnia ohh je vais voir merci beaucoup

[@zainasadoun1423]

merci beaucoup pour la vidéo très riche , bonne courage a vous.

[@MachineLearnia]

Merci a vous !

[@LaurentD90]

Parfait, comme toutes les autres vidéos ! Merci beaucoup

[@MachineLearnia]

Merci :)

[@nani-hl2dp]

Excellent, bravo et merci

[@joshanambungu8222]

L'exercice de cette fois-ci est plutôt difficile je dois dire (pour moi en tout cas). Très bonne vidéo comme toujours

[@yvanrichard2666]

encore une fois merci !!!!

[@promaths-y4t]

Encore une fois, c'est super , un grand merci

[@MachineLearnia]

De rien :)

[@shootsoccer948]

super son, super explication et en avançant avec les autres vidéo on progresse merci pour ce super travail !

[@MachineLearnia]

Merci beaucoup :)

[@philippedevezeaud5029]

Bonjour, formation de qualité et toujours aussi pédagogique . J'ai encore un peu de mal avec la lecture des tableaux, mais ça va rentrer (il faut le digérer :=) ). Merci pour le partage.

[@MachineLearnia]

Merci beaucoup ! Oui ! Ca prend un peu de temps, mais en en faisant un petit peu chaque jour, ca vient vite !

[@ahrararabi9716]

Rien à dire comme d'habitude parfait !!!!

[@MachineLearnia]

Merci beaucoup ! :)

[@Siamon34]

Super video j'adore comme depuis le début je suis super assidu et j'apprend beaucoup grace a toi merci! ma solution était def initialisation(m,n): M = np.random.randn(m,n) N = np.ones((m,1)) MN = np.hstack((M,N)) print(MN) c'est super basique a coté du concatenate mais voila une version hstack

[@MachineLearnia]

Bravo a toi pour ton assiduité et bien joué pour l'exercice !

[@Maertaugh]

tu n'imagines même pas les perspectives de simplicités tu es en train de m'ouvrir : merci,merci,merci,merci !!!!!

[@MachineLearnia]

Je vous en prie :)

[@twidevYT]

Salut je suis tout nouveau sur ta chaîne super vidéo ça m’a donné envie de reprendre le phyton

[@MachineLearnia]

Salut, alors ça c'est le meilleur commentaire que je puisse recevoir ! Un grand bravo à toi ! Python est assez simple et si tu développes des compétences en machine learning, ça t'aidera beaucoup dans ta carrière, quelque soit ton métier ! Reste motivé et à bientôt ! :D

[@abdellazizlawrizy]

Merci, super vidéo.

[@MachineLearnia]

Merci !

[@roimhweb3]

merci beaucoup pour ces cours , je suis sur qu'a la fin de la formation je serai quelqu'un de different

[@sirakhecisse5707]

Vraiment Vraiment merci

[@walydiallo5865]

Merci. excellent travail

[@MachineLearnia]

Merci beaucoup

[@raiskhalid4878]

Excellente formation

[@MachineLearnia]

merci beaucoup !

[@mustaphabiyabi4701]

wonderful explanation thank u !

[@lokid9255]

Oh !!! J'ai enfin pu maîtriser l'indexing et le slicing 😌😌.

[@MachineLearnia]

Bravo !

[@elvismessiaen1580]

Slt et merci. t'est cours son riche et très intéressant. SI tu fais un cours encore plus approfondie. Je suis preneur. Je vais faire une alternance ingénieur IA et franchement. je vais regarder souvent tes cours car très bien

[@kerrylmusungu6293]

Ce cours est super

[@MachineLearnia]

Merci

[@bricesiou1572]

Cool toute tes videos

[@walidbakhouya5176]

vraiment c'est géniale mercii bcq

[@MachineLearnia]

Merci ;)

[@QuranIsLife0]

blablalabla bla python python python :) Merci beaucoup pour ces vidéos ultra clair,😍😍😍

[@MachineLearnia]

blablabla de rien merci a vous :)

[@jjpro]

Bonne continuation mon grand

[@abdoulfofana7378]

encore merci. on avance.

[@MachineLearnia]

De rien :)

[@mohammedghaithan249]

Great job.

[@MachineLearnia]

Thanks!

[@pierretizemha899]

Merci pour cette vidéo. Je vous ai écrit un mail concernant un traitement de deux images dont je souhaite votre soutien encore. Merci d'avance !!!

[@MachineLearnia]

Bonjour, pouvez-vous partager ces images sur notre discord ? Merci ! :)

[@pierretizemha899]

@@MachineLearnia Je viens d'accéder à votre discord mais je n'arrive pas à partager ces images. Par contre je vous les ai envoyé à votre adresse mail: [e-mail]

[@pierretizemha899]

En fait, l'application est nouvelle pour moi

[@pierretizemha899]

J'ai finalement réussi à partager les images là sur discord

[@yasserrabhi1082]

Merci pour les vidéos. Si je valide l'année, mon diplôme doit avoir ton nom marqué dessus 😂

[@MachineLearnia]

Ahah bon courage pour ton diplôme alors !

[@niatoaxel5176]

Encore un exercice réussi

[@MachineLearnia]

Bravo !

[@guillaume8437]

Merci Guillaume pour ta video. Pour la gestion de l'image, ca semble compliqué de devoir afficher la partie zoomée en tant que photo et non en tant que tableau... Pour l'exercice précédent, j'ai fait comme suit et il a l'air d'être correct mais je pense que si je devais choisir entre ton bout de code et le mien, j'aurais beaucoup plus de facilités à relire le mien (un peu comme en cours de maths où on nous expliquait qu'il était plus prudent de résoudre une équation étape par étape plutôt que tout d'un bloc en une ligne) : import numpy as np def initialisation(m, n): A = np.random.randn(m, n) B = np.ones((m, 1)) # C = np.hstack((A,B)) C = np.concatenate((A,B), axis = 1) print(A) print(B) print(C) print(C.shape) initialisation(6,3)

[@MachineLearnia]

Oui, bravo pour l'exercice, il vaut mieux faire les choses de facon claire, a son rythme. J'ai de mon coté écrit un code plus "condensé" pour tenter de convenir a l'ensemble de l'audience qui regarde la vidéo !

[@LMGaming0]

J'adore tes vidéos merci!

[@MachineLearnia]

Merci :)

[@saidyahya7344]

Brillant

[@marcopoussin2857]

Merci bokou de ta part ,c'est tres coool

[@MachineLearnia]

De rien :)

[@everythinguneed__1721]

Le meilleur Merci!

[@MachineLearnia]

merci :)

[@90fazoti]

Excellente formation encore merci infiniment :) si c'est possible de nous faire une série de traitement d'image computer vision sur python merci d'avance

[@MachineLearnia]

Oui je vais faire cette série dans peu de temps. Je termine d'abord cette série la :) Merci beaucoup de commenter mes vidéos :)

[@toma2502]

Juste un mot : PARFAIT

[@MachineLearnia]

Wow ! Merci :)

[@MoussMouss-mp2ph]

merci :)

[@Onyx-k5t]

😭😭 je découvert la formation 4 ans plus tard !! 😭

[@moussabamba6216]

vraiment j'adore votre manière d'expliquer les différentes thématique maintenant j'aimerais savoir quels conseils pourrais tu me donner afin de maîtriser le machine learning

[@MachineLearnia]

Pour devenir compétent dans ce domaine: 1) apprendre Python et ses packages utiles (suivre cette série jusqu'au bout) 2) suivre une formation machine learning (lire mon livre et suivre ma série Machine Learning) 3) pratiquer sur Kaggle.com

[@noeberthaume4159]

merci

[@mathisheskia417]

Superbe vidéo, depuis le début de la série j'attend la sortie de la prochaine vidéo avec impatiente (ps: toute les vidéos sortirons à 17h au lieu de 16h maintenant ou pas ? perso je préfère 16h)

[@MachineLearnia]

Merci beaucoup Mathis ! :) Normalement les vidéos continueront à sortir à 16:00 (Paris) c'est juste que aujourd'hui j'ai eu un petit contre-temps ^^ Je suis super content si la série te plait ! A demain pour le prochain épisode ! :D

[@chainonsmanquants1630]

Merci !

[@alphaoumardiallo8292]

Contenu très riche merci et bon courage. Avez-vous des contenus sur les GANs (Generative Adversarial Networks) ?

[@omartvsfr1225]

merci super

[@MachineLearnia]

de rien :)

[@R-Waze]

Je suis toute ta formation ML. Je vais parler au nom de la majorité des spectateurs silencieux. La qualité de ton travail vidéographique est extraordinaire... Tu es un tres bon vulgarisateur... elles sont très pédagogique pour un sujet aussi complexe ! Concernant l'exercice comment on pourrais faire pour zoomer uniquement sur le visage de la photo? de maniere générale pour pouvoir zommer sur la zone que l'on souhaite?

[@MachineLearnia]

Merci beaucoup, ca me fait tres plaisir ! Pour zoomer sur une zone en particulier, il faut définir les bordures (les différents coins gauche/droite haut/bas) et effectuer un slicing. Bref pas de méthode magique, juste s'en remettre aux maths (je veux dire aux index des tableaux)

[@pala8283]

❤c super

[@lamassonnerie5050]

et dire que vous les sortez une fois par jour... franchement merci beaucoup de m'avoir montré Numpy , j'ai un peu galéré a l'installer mais sa me fait tellement gagner du temps j'voudrais tellement que vous m'aidez pour pygame mais c'est peut être pas votre domaine. ça reste super intéressant merci beaucoup ( dsl pour les fautes ) et juste pour votre TP il faut installer spicy et matplotlib ?

[@MachineLearnia]

Bonjour ! Merci beaucoup :) Bon j'ai un peu ralenti en ce moment au niveau du rythme de production ! ahah Oui il faudra installer Scipy. Matplolib, et Sklearn. Non Je n'ai jamais utilisé Pygame :( mais pourquoi ne pas essayer !

[@adelgrfd]

Très intéressante vidéo comme toujours, juste une petite question sur l’exercice final : on doit apprendre le code qui permet d’importer la photo ? On est censé comprendre comment tout ça marche ou on vera ça plus tard ?

[@MachineLearnia]

Merci. Nous verrons cela plus tard, ce n'est pas a connaitre par cœur, moi-meme il m'arrive de chercher sur Internet comment faire une petite action de temps a autres

[@sebastiencrepel5032]

Bonjour et encore merci énormément pour ces vidéos d'une grande clarté. Je pense que vu le contexte du moment c'est le genre de chose qui peut vraiment aider beaucoup de gens... J'ai juste une remarque sur la correction de l'exercice précédent : je sais bien que c'était pour s'exercer avec concatenate mais on pouvait juste créer le tableau avec n+1 colonnes et faire MonTableau[:,-1:]=1 non ? Merci encore pour tout !

[@MachineLearnia]

Oui tout a fait, c'est bien de proposer cette alternative ! :) Merci et a bientot

[@barma1986]

Video incroyable comme toujours! Pour l'exercice j'ai utilisé le slicing. Pourrez vous me dire si c'est correcte? import numpy as np def initialisation(m,n): X=np.random.randn(m,n+1) X[:,-1]=1 return X

[@zeinebouzoubeir8579]

import numpy as np def initialisation(m, n): A=np.random.randn(m, n) B=np.ones([m, 1]) C=np.concatenate((A, B), axis=1) return C

[@MachineLearnia]

Pas mal !

[@MrBellarej]

Merci pour la formation :-), si possible est ce qu'il y a des exemples pratique avec des fichiers de données (excel, sql)..

[@MachineLearnia]

Merci beaucoup. Oui de tels exemples vont venir la semaine prochaine ! :)

[@MrBellarej]

@@MachineLearnia Merci et bonne continuation

[@supplementmaths678]

Merci pour cette vidéo. Question concernant la partie du boolean indexing: quand tu as appliqué le masque de A dans le tableau B (5,5) , à l'exécution on n'a eu que des valeurs de B, mais le shape de B a changé (3,5), est-ce donc à ce niveau qu'agit le masque de A? (Puisqu'il n'y a que 15 éléments vérifiant la condition A

[@MachineLearnia]

Oui c'est ca !

[@gaelhericher8736]

Salut, la vidéo est très cool, je pense avoir bien compris l'indexing, slicing, etc.. Mais j'ai tout de même une question : Pour l'exercice que tu corriges à la fin de la vidéo, pourquoi ne pas juste changer les valeurs de X sans recréer un tableau np.ones, et juste changer avec le slicing ? En tout cas je l'ai fait et ça fonctionne bien, voici le code : def initialisation(m,n): array = np.random.randn(m,n+1) array[:,-1] = 1 print(array)

[@j_cd8705]

Bonjour Machine Learnia, super vidéo, j’ai une question quelle technique utiliserais-tu pour selectionner les voisins d’un pixel puis les voisins du voisin,...?

[@MachineLearnia]

Bonjour, je suis désolé je ne comprends pas bien la question, mais tu peux venir la poser sur notre discord.

[@michelmzoughi2150]

Rien à dire sur la clarté, la preuve c'est que j'arrive à faire les exos ( j'ai 55 ans et je ne suis pas informaticien juste curieux ). Par contre il manque des vidéos non ? la 9/30 par exemple j'ai pas vu ou mal vu peut-être. Merci pour votre disponibilité.

[@MachineLearnia]

Merci beaucoup ! La 9/30 est disponible, je confirme ! (vous pouvez toujours la chercher dans la barre de recherche youtube, elle porte sur la programmation orientée objet.)

[@bienheureuxwassou4820]

bonjour, je tiens a vous remercier pour vos vidéos très bien expliquée . concernant la correction de l'exercice j'ai une question, j'ai pas compris le shape que vous avez utiliser pour la fonction concatenate. merci

[@bamokinamoandadestin7888]

il utilise shape, juste pour ne pas avoir à retaper m. parce que grace à shape[0] il prend automatiquement le nombre de lignes qui nécessaire pour tracer la dernier colonne.

[@GrandKali23]

Bonsoir, merci beaucoup pour tes vidéos et tex explications interactives , je suis début de formation data engeneering et j'aprécie tes cours ; pour l'exercice , pourquoi t'a pas intégré la variable m dans la second array (zeros) , ta mis shape[0] , à la place de m . selon vous ça correspond au nombre de colonnes ? cest bien ça ? moi j'arrive pas a trouver la même chose , j'ai opté pour cette solution: import numpy as np def initialisation(n,m): A=np.random.randn(m,n) B=np.ones(shape=(m,1)) C=np.concatenate([A,B],axis=1) return C initialisation(3,4)

[@MachineLearnia]

Tout cela revient au meme, J'ai voulu utiliser shape[0] pour montrer aux gens ce qu'on vient d'apprendre. Mais le fait d'utiliser m est tres bien aussi !

[@radouanebouchou7488]

def initialisation (m,n) : output = np.random.rand(m,n+1) output[:,-1] = np.ones((1,m)) return output initialisation(3,6) je pense que cette solution est beaucoup plus facile que votre solution !

[@MachineLearnia]

Oui c'est une tres bonne alternative ! Selon la situation votre solution est meilleure je confirme ! Bien joué :)

[@radouanebouchou7488]

@@MachineLearnia Merci

[@marwane55]

Bonjour, merci pour cette chaine sur le machine learning et data science c'est très intérissant S'il vous j'ai une question consernat l'algorithmes de support vector machine (SVM) est ce qu'il est valable pour variable qualitative et ce qu'on peut faire de la classification en utilisant les variable qualitatif et quantitatif au meme temps. Merci

[@MachineLearnia]

Bonjour, merci beaucoup. Oui on peut utiliser SVM pour des régressions ET des classifications. On peut également fournir des données qualitatives et quantitatives aux modeles de SVM. Pour faire ces choses simplement dans sklearn, je recommende d'utiliser l'estimateur SVR (pour les régressions) et SVC (pour les classification)

[@imaneagnaou-nice3094]

@@MachineLearnia S'il vous plait est il possible de nous faire une séance que pour ceci :) ( classifieur svm, svr, svc et tout) ? Je suis débutante et je trouve des difficultés mais grâce à vous j 'apprends. un grand merci à vous

cool

[@thiamco]

Bonjour, Comment je peux retourner la sous-matrice de taille (2,2) qui forme le coin en bas à droite de la matrice ? merci.

[@MachineLearnia]

comme ca : A[-2:, -2:]

[@d.veillet2836]

À 6:32, j'ai obtenu le bon résultat avec la commande suivante: A[0:3, 1:3] . J'ai dépassé de 1 les index en prenant le nombre de lignes + 1 et le nombre de colonnes + 1. Est-ce valide? Faut-il éviter de faire cela? Je continue mon petit bonhomme de chemin en Python, grâce à vous, très intéressant. Très bon enchaìnement d'une vidéo à l'autre. Il n'y a pas de vide ou de prérequis non présenté. Merci

[@MachineLearnia]

Oui si vous obtenez le bon résultat c'est correct, bien joué !

[@rayank2010]

Salut super ta vidéo !!! (trop bien) vers 7:29 j'ai pas fais comme toi, j'ai créé une fonction avec un slice un peu plus compliqué je me suis rendu compte que ça pourrait me servir pour l'exercice XD par contre j'ai eu quelques problèmes pour installer scipy (j'utilise pas anaconda) donc j'aimerais savoir si anaconda est lourd (je veux préserver le stockage)(je l'installerai peut-être) merci pour tout !

[@MachineLearnia]

Tout est relatif (vis a vis du fait que Anaconda soit Lourd...) Pour un ordinateur normal ca n'est pas lourd du tout. Cependant c'est étrange que tu aies des problemes pour installer scipy, tu as utilisé PIP ? Tu as vérifié les dépendances ? tu as un message d'erreur spécial dans ta console ? il est bien ajouté a ton PATH ? PS : bravo pour avoir utilisé une autre solution que la mienne pour l'exo :)

[@rayank2010]

​j'ai utilisé pip mais ça marchait pas.Il y avait un message d'erreur quand j'utilisais scipy (installé avec pip) et un lien pour résoudre le problème. J'ai vérifié et apparement plein d'autre personnes ont eu le problème (sur raspberry pi 4) j'ai utilisé une autre commande (sudo apt, je pense si je m'en souviens bien) et ça a marché. sinon c'est quoi les dépendances ? Ps : c'est presque ce que t'as fais (ça a donné un zoom un peu bizarre..)

[@MachineLearnia]

Ah oui sur Raspberry Pi c'est différent il vaut mieux utiliser les commandes linux sudo etc. Les dépendances c'est lorsque des librairies dépends d'autres pour bien fonctionner, et parfois certaines librairies ne sont pas compatibles ensembles.