Cnam – UE RCP208
index
Index
A
|
B
|
C
|
D
|
E
|
G
|
I
|
K
|
L
|
M
|
O
|
P
|
R
|
S
|
T
A
ACM
ACM : interprétation
ACM : solution
ACM : inclusion de variables quantitatives
AFCB
AFCB : relation entre analyses
AFD
AFD : choix du nombre d'axes
AFD : étape décisionnelle
AFD : solution
AFD : données
AIC
aides à l'interprétation
Algorithme EM
Analyse des correspondances
Analyse des correspondances multiples
Analyse en composantes principales
Analyse en composantes principales : données
Analyse factorielle des correspondances
Analyse factorielle des correspondances binaires
Analyse factorielle discriminante
B
BIC
C
CAH
Centres mobiles
choix du nombre d'axes
Classes déséquilibrées
Classification : validité
Classification ascendante hiérarchique
Classification spectrale
Critère d’information bayésien
Critère d’information d’Akaike
Critères de choix de méthode de modélisation
D
Décision et généralisation
Données aberrantes
Données inadaptées
Données manquantes
,
[1]
choix de paramètres
imputation
imputation par la médiane
imputation par la moyenne
imputation par les kppv
imputation par SVD
MAR
MCAR
MNAR
Données non représentatives
E
Espérance-Maximisation
Estimation de densité
non paramétrique
par histogramme
par noyaux
paramétrique
Expectation-Maximization
G
Généralisation
I
Inégalité de Jensen
K
K-means
K-means++
K-medoids
KDE
L
L'indice de Ward
lien maximum
lien minimum
lien moyen
M
Malédiction de la dimension
Maximum a posteriori
Maximum de vraisemblance
Modèles de mélange
EM pour mélange gaussien
EM pour modèle de mélange
Nombre de composantes
Modélisation à partir de données
O
objectifs
,
[1]
observations et variables supplémentaires
P
Partitionnement par densité
R
relations entre les analyses
Représentation des variables
règles d'interprétation
S
solution de l'ACP
T
Types de variables
Table des matières
Préambule
Installation de scikit-learn
Cours - Introduction
Travaux pratiques - Introduction à Python
Travaux pratiques - Introduction à Scikit-learn
Cours - Méthodes factorielles
Travaux pratiques - Analyse en composantes principales
Travaux pratiques - Analyse factorielle discriminante
Cours - Classification automatique
Travaux pratiques - K-means
Travaux pratiques - DBSCAN
Cours - Estimation de densité
Travaux pratiques - Estimation de densité par noyaux
Travaux pratiques - Modèles de mélange
Cours - Réduction de dimension
Travaux pratiques - t-SNE
Travaux pratiques - UMAP
Cours - Données manquantes
Travaux pratiques - Données manquantes
Cours - Sélection de variables
Travaux pratiques - Sélection de variables
Cours - Réseaux de neurones multicouches
Travaux pratiques - Réseaux de neurones multicouches (1)
Travaux pratiques - Réseaux de neurones multicouches (2)
Travaux pratiques - Réseaux de neurones multicouches (3)
Recherche