Logiciel R et livre

Pour ceux qui ont besoin d’indications, vous pouvez consulter l’aide mémoire de Julien Chiquet.
Pour gagner en autonomie en programmation, la plateforme stackoverflow est indispensable¹.

Le livre An Introduction to Statistical Learning est indispensable. Ce livre a largement inspiré le contenu de ce cours !

Introduction : régression, classification et phénomène de sur-apprentissage

Séances du 05 et 19 février 2024 : traiter les exemples qu’on corrigera lors de la séance de cours.

Code : séance d’introduction à traiter.
Code : validation croisée avec caret en classification à traiter.
Code : validation croisée avec caret en régression à traiter.
Indispensables à lire pour cette partie (livre ISLR) : chapitres 1 et 2.

Séance du 04/03/2024 : Nous allons aborder les arbres de décision (brique de base d’un grand nombre de familles de modèles)

Les slides et notes servent de supports des séances de cours sur les arbres de décision.
À partir de cette séance, les scripts de TP doivent être codés en temps réel en séance de cours.
Indispensable à lire pour cette partie (livre ISLR) : chapitre 8 (8.1 pour les arbres et 8.2 pour les forêts aléatoires).

Séance du 25/03/2024 : Nous allons aborder les arbres de décision pour la classification + retour sur l’élagage

Code : arbres de décision et élagage pour la régression (de la séance du 04/03/2023) à traiter.

Si besoin, le package R ElemStatLearn

Jeu de données mixture example

Jeu de données coûts de soins

Personnellement je consulte énormément cette plateforme où je trouve des réponses à mes questions.↩︎