Posté le Sat 05 October 2019 dans Meeting • Taggé avec Clustering • 6 min read
Clustering and classification are ground tasks in machine learning, but still not yet fully solved: Various issues are encountered in data projets to cluster users, images, articles, products, time series data, etc. Here is a brief overview of the works (including mine) presented at the annual french-speaking meeting on this field.
Posté le Mon 17 June 2019 dans Meeting • Taggé avec Python • 3 min read
Cette semaine, j'étais à l'événement AI Paris 2019 pour représenter Kernix. Nous avons eu d’excellentes discussions avec beaucoup de personnes et j’ai à peine eu le temps de faire le tour pour voir les stands des autres entreprises. Voyons comment avoir un aperçu des thèmes principaux de cet événement.
Posté le Tue 04 June 2019 dans machine learning • Taggé avec evaluation measure, clustering, Python • 4 min read
L'accuracy est souvent utilisée comme mesure de qualité pour la classification supervisée. Elle est aussi utilisée pour la classification non supervisée. Cependant, la fonction accuracy_score de scikit-learn ne fournit qu'une borne inférieure de l'accuracy pour le clustering. Cet article explique comment cette mesure peut être calculée pour la classification non supervisée.
Posté le Tue 19 February 2019 dans machine learning • Taggé avec clustering, R, machine learning • 5 min read
The R package gganimate enables to animate plots. It is particularly interesting to visualize the intermediate results of an algorithm, to see how it converges towards the final results. The following illustrates this with K-means clustering.
Posté le Mon 04 February 2019 dans coding • Taggé avec Python • 8 min read
Machine learning algorithms often use matrices to store data and compute operations such as multiplications or singular value decomposition. The purpose of this article is to see how matrices are implemented in Python: how the data is stored and how much memory it consumes.
Posté le Mon 21 January 2019 dans machine learning • Taggé avec clustering, R, machine learning • 5 min read
How to detect Christmas tinsels on a tree? Let's understand why hierarchical clustering with single linkage is a good candidate.
Posté le Sat 05 January 2019 dans machine learning • Taggé avec clustering, R, machine learning • 6 min read
Christmas time is over. It is time to remove the Cristmas tree. But just before removing it, one can ask: How many red Christmas baubles are on the tree? Let's leverage k-means criterion to answer this question.
Posté le Sat 22 December 2018 dans machine learning • Taggé avec clustering, R, machine learning • 5 min read
L' algorithme des k-moyennes suppose que les données sont générées par un mélange de Gaussiennes ayant chacune la même proportion, la même variance et aucune covariance. Ces hypothèses peuvent être allégées avec un algorithme plus générique : l'algorithme CEM appliqué à un mélange de Gaussiennes.
Posté le Sun 09 December 2018 dans machine learning • Taggé avec clustering, R, machine learning • 6 min read
Les k-moyennes est l'algorithme de classification non supervisée le plus connu et le plus utilisé. Il fait cependant de fortes hypothèses sur les données. Ces hypothèses sont illustrées sur des jeux de données de synthèse. Le critère optimisé par les k-moyennes est aussi expliqué pour comprendre pleinement son comportement.
Posté le Sun 25 November 2018 dans Meeting • 4 min read
I attended XebiCon'18, a conference on data engineering organised by Xebia. Here are some highlights of the talks.