Régression linéaire: Ajuster une droite (ou un hyperplan) aux données pour prédire un nombre continu.
Découpage train/test/validation: Réserver des données sur lesquelles le modèle ne s'entraîne jamais, pour vérifier honnêtement comment il se comporte sur des exemples inédits.
Arbres de décision: Un modèle qui prédit en posant une séquence de questions oui/non sur l'entrée, comme un logigramme.
K plus proches voisins: Classer un nouveau point en regardant quels sont ses voisins étiquetés les plus proches.
Naïve Bayes: Un classifieur probabiliste qui suppose (naïvement) que chaque caractéristique est indépendante des autres, sachant la classe.
Regroupement K-means: Regrouper des points non étiquetés en k clusters en les assignant de façon répétée au centre le plus proche puis en recalculant les centres.
Notions liées
Arbres de décision: Un modèle qui prédit en posant une séquence de questions oui/non sur l'entrée, comme un logigramme.
K plus proches voisins: Classer un nouveau point en regardant quels sont ses voisins étiquetés les plus proches.
Regroupement K-means: Regrouper des points non étiquetés en k clusters en les assignant de façon répétée au centre le plus proche puis en recalculant les centres.