Comprendre le Machine Learning: L'algorithme du KNN

แชร์
ฝัง
  • เผยแพร่เมื่อ 30 ม.ค. 2025

ความคิดเห็น • 15

  • @fatimazahrae3149
    @fatimazahrae3149 4 ปีที่แล้ว +6

    Enfin, une explication simplifiée.
    Mercii !!

  • @alphabeta6042
    @alphabeta6042 4 ปีที่แล้ว +1

    Great job, conne continuation !

  • @NoraNora-qr2vi
    @NoraNora-qr2vi 5 ปีที่แล้ว +1

    Merci c'était très clair :)

  • @fatehhaddad3209
    @fatehhaddad3209 ปีที่แล้ว

    Afficher en bleu la courbe de la fonction y = cos(x) avec x prenant des valeurs entre 0 et 10
    pour. La courbe que vous devez obtenir est présentée sur la figure 1 ci-dessous.
    2. Afficher un nuage de 500 points de coordonnées (x,y) dont les valeurs x et y sont tirées
    aléatoirement suivant une loi normale centrée réduite (moyenne 0 et écart type 1). La courbe
    que vous devez obtenir est présentée sur la figure 2 ci-dessous.
    2

  • @bibouroulou
    @bibouroulou 3 หลายเดือนก่อน

    vachement beaucoup très bien...

  • @nouryyahya6491
    @nouryyahya6491 5 ปีที่แล้ว +1

    bien illustré merci

  • @paswesh
    @paswesh ปีที่แล้ว +1

    Exercice 1
    Classer les exécutions suivantes en non-sérialisables par permutation ou sérialisables par permutation :
    1.
    2.
    3.
    4.
    5.
    6.
    7.
    r1(x), w1(x), r2(z), r1(y), w1(y), r2(x), w2(x), w2(z)
    r1(x), w1(x), w3(x), r2(y), r3(y), w3(y), w1(y), r2(x)
    r1(x), r2(x), w2(x), r3(x), r4(z), w1(x), w3(y), w3(x), w1(y), w5(x), w1(z), w5(y), r5(z)
    r1(x), r3(y), w1(y), w4(x), w1(t), w5(x), r2(z), r3(z), w2(z), w5(z), r4(t), r5(t)
    r1(x), r2(x), w2(x), r3(x), r4(z), w1(x), r3(y), r3(x), w1(y), w5(x), w1(z), r5(y), r5(z)
    r1(x), r1(t), r3(z), r4(z), w2(z), r4(x), r3(x), w4(x), w4(y), w3(y), w1(y), w2(t)
    r1(x), r4(x), w4(x), r1(y), r4(z), w4(z), w3(y), w3(z), w1(t), w2(z), w2(t)
    Exercice 2
    Une application de commerce électronique utilise une base de données qui stocke des
    informations sur les produits et sur les commandes des clients. Pour chaque produit, deux
    enregistrements sont nécessaires : un pour les informations sur le produit (nom et prix) et un autre
    pour la quantité en stock. Un seul enregistrement est utilisé pour la commande d’un client, qui est
    construite à partir du contenu du panier du client. Le panier, qui n’est pas stocké dans la base de
    données, accumule au fur et à mesure la liste des achats du client.
    Le programme d’achat pour un client a la forme suivante :
    Pour chaque achat d’un produit répéter
    Lecture nom et prix produit
    Mise à jour stock produit
    Rajout ligne au panier
    Fin pour
    Écriture de la commande à partir du contenu du panier
    Trois opérations s’exécutent en même temps, en tant que transactions dans le système : (i) un client
    achète le produit A, ensuite le produit B, (ii) un autre client achète seulement le produit B, et (iii) une
    promotion de 20% de réduction de prix est appliquée au produit B.
    H : r1[x] r1[y] r2[u] r3[u] w1[y] w3[u] r1[u] r2[v] c3 w2[v] w2[s] r1[v] w1[v] c2 w1[z] c1 est
    l’exécution concurrente des trois transactions
    1.2.Trouver la signification de tous les enregistrements x,y,u,v,s et z .
    construire le graphe de préséance de cet ordonnancement et identifier les conflits.
    Exercice 3
    1.2.L’ordonnancement est-il sérialisable ? Si oui, quel est l'ordonnancement séquentiel équivalent.
    Si non, dire pourquoi.
    Dessinez le graphe de préséance de cet ordonnancement. L'ordonnancement est-il sérialisable
    par permutation ?

  • @bibouroulou
    @bibouroulou 3 หลายเดือนก่อน

    blague à part ça m'a beaucoup aidé

  • @nizarnizar6965
    @nizarnizar6965 2 ปีที่แล้ว

    j'ai une question, lorsqu'on fixe K=2, et si par exemple on a une série temprelle 1D, il y aura donc 3 distances à calculer: entre le point et les 2 du passé, et les 2 du futur et enfin entre le point et les 2 qui l'entoure? merci de me répondre. Pour une image ça sera beaucoup plus que ça

  • @edjo0733
    @edjo0733 4 ปีที่แล้ว +4

    Un peu cher les prix de vos cours sans code promo

  • @benjaminlesieux5230
    @benjaminlesieux5230 2 ปีที่แล้ว

    c tro cool

  • @fatehhaddad3209
    @fatehhaddad3209 ปีที่แล้ว

    Print r scanf

  • @fatehhaddad3209
    @fatehhaddad3209 ปีที่แล้ว

    list_pred=test(X_train, Y_train, X_test, 15)
    arr = np.array(list_pred)
    np.savetxt('mobile_test_predictions.csv', arr)
    #9
    list_accuracy = []
    for k in range(1, 20, 2):
    acc = evaluation(X_train, Y_train, X_valid, Y_valid,k, verbose=False)
    list_accuracy.append(acc)
    print(list_accuracy)
    fig = px.line(x=range(1, 20, 2), y=list_accuracy, labels={'x': 'k', 'y': 'accuracy'})
    fig.show()