3.5 Challenge
Vous avez dû apprendre beaucoup de techniques complémentaires pour arriver à entraîner correctement votre classifieur (différents algorithmes, validation croisée, matrice de confusion, métriques, courbes ROC, …). Nous vous proposons maintenant de mettre tout cela en application sous la forme d’un challenge. Vous allez travailler par équipes en binômes et vous tenterez de créer le meilleur classifieur pour détecter les vins excellents parmi un ensemble de vins de toutes catégories. Mais attention, l’exercice n’est pas facile. Vous allez devoir ruser pour gagner des places dans le classement, et mettre en œuvre toutes les techniques étudiées dans les modules 1 à 3 pour arriver aux meilleurs résultats !
À vous de jouer !
Réalisez l’assignation C03Gb_challenge.
Si vous êtes un utilisateur non enregistré ou que vous travaillez en dehors d’un cours, faites un “fork” de ce dépôt.
Voyez les explications dans le fichier README.md.
Vous pourrez soumettre vos résultats via le formulaire ci-dessous. Utilisez le bouton Submit pour tester votre soumission et le bouton Quit & Save pour envoyer votre solution au challenge et le faire apparaître dans le tableau de classement. Pour soumettre un autre modèle, relancez l’app de soumission avec Reload :
Le classement apparaît ici. Ce classement est mis à jour toutes les 5min. soyez patient si vous ne voyez pas tout de suite votre soumission.
Pour en savoir plus
Un résumé de la classification supervisée sur un ton un peu humoristique (en anglais).
Un ouvrage complet consacré au “machine learning” dans R, en anglais. Cet ouvrage est excellent pour progresser en classification supervisée avec R.
Tidymodels, un écosystème complet de packages R pour modéliser des données, dont la classification supervisée.
mlr3, un autre écosystème logiciel pour le “machine learning avec R”
Tutoriels pour l’apprentissage profond avec R en utilisant tensorflow, une librairie de fonctions dédiée au “deep learning”.