Python et Machine Learning : Creer Votre Premier Modele de Classification

Salut HaWkers ! Python est le langage de programmation prefere pour la science des donnees et le machine learning, grace a sa syntaxe simple et a la vaste gamme de bibliotheques disponibles. Dans ce tutoriel, nous allons utiliser Python et la bibliotheque Scikit-Learn pour creer notre premier modele de classification.

Preparation de l'Environnement

Avant de commencer, vous devez avoir Python et pip (Python Package Index) installes sur votre ordinateur. Si vous ne les avez pas encore, vous pouvez telecharger Python et pip ici.

Apres les avoir installes, installez Scikit-Learn, la bibliotheque que nous utiliserons pour creer notre modele de classification :

pip install scikit-learn

Chargement des Donnees

Scikit-Learn est livre avec plusieurs jeux de donnees que nous pouvons utiliser pour experimenter. Pour ce tutoriel, nous allons utiliser le jeu de donnees Iris, qui est un jeu de donnees multivarie introduit par le statisticien et biologiste britannique Ronald Fisher. Ce jeu de donnees se compose de 50 echantillons de chacune des trois especes d'Iris (Iris Setosa, Iris Virginica et Iris Versicolor). Quatre caracteristiques ont ete mesurees sur chaque echantillon : la longueur et la largeur des sepales et des petales.

Chargeons le jeu de donnees et examinons-le :

from sklearn import datasets

iris = datasets.load_iris()
print(iris.data)

Creation du Modele

Maintenant que nous avons nos donnees, nous pouvons creer notre modele de classification. Nous allons utiliser l'algorithme K-Nearest Neighbors (KNN), qui est un algorithme simple et efficace pour commencer :

from sklearn import neighbors

knn = neighbors.KNeighborsClassifier()
knn.fit(iris.data, iris.target)

Faire des Predictions

Apres l'entrainement, notre modele est pret a faire des predictions. Predisons l'espece d'une fleur d'Iris avec un sepale de 3cm x 5cm et un petale de 4cm x 2cm :

print(knn.predict([[3, 5, 4, 2]]))

Conclusion

Et voila ! Vous avez cree et utilise votre premier modele de classification en Python avec Scikit-Learn. Bien sur, c'est un exemple tres basique, et en pratique, vous devriez diviser votre jeu de donnees en un ensemble d'entrainement et un ensemble de test, evaluer votre modele et bien plus encore. Mais nous esperons que ce tutoriel vous a donne une idee de comment commencer a creer vos propres modeles de machine learning.

Pour continuer a ameliorer vos competences en Python et machine learning, consultez l'article sur Python : Construire une Application Web Basique.

C'est parti !