From 074d310e1bedc1a38d08c885b99875be5e00fa6f Mon Sep 17 00:00:00 2001 From: Aude Chantel Date: Tue, 22 Jan 2019 09:57:59 +0100 Subject: [PATCH] Corrections orthographiques tp_clustering.ipynb --- TP/TP2_mardi/tp_clustering.ipynb | 30 +++++++++++++++--------------- 1 file changed, 15 insertions(+), 15 deletions(-) diff --git a/TP/TP2_mardi/tp_clustering.ipynb b/TP/TP2_mardi/tp_clustering.ipynb index 3f83078..85fc615 100644 --- a/TP/TP2_mardi/tp_clustering.ipynb +++ b/TP/TP2_mardi/tp_clustering.ipynb @@ -12,7 +12,7 @@ "metadata": {}, "source": [ "Aujourd'hui, on utilisera les données proposées par scikit learn. Ces données sont déjà nettoyées, déjà prêtes dans la libraries. \n", - "Pour commencer, importer les libraries : numpy, matplotlib et le module datasets de scikit-learn" + "Pour commencer, importez les libraries : numpy, matplotlib et le module datasets de scikit-learn" ] }, { @@ -26,8 +26,8 @@ "cell_type": "markdown", "metadata": {}, "source": [ - "Maintenant, on va utiliser les fonctions suivantes de la libraire dataset : datasets.make_circles, datasets.make_moons, datasets.make_blobs, datasets.make_blobs.\n", - "Consulter la documentation intégrées de ces méthodes.\n", + "Maintenant, on va utiliser les fonctions suivantes de la librairie `dataset` : `datasets.make_circles`, `datasets.make_moons`, `datasets.make_blobs`, `datasets.make_blobs`.\n", + "Consultez la documentation intégrée de ces méthodes.\n", "Vous pouvez trouver des exemples d'utilisation de ces méthodes sur https://scikit-learn.org/stable/auto_examples/cluster/plot_cluster_comparison.html " ] }, @@ -78,14 +78,14 @@ "cell_type": "markdown", "metadata": {}, "source": [ - "Pour entrainer nos alogrithmes, on va splitter notre jeu de données en 3 sous jeu de données: \n", + "Pour entrainer nos alogrithmes, on va splitter notre jeu de données en 3 sous-jeux de données: \n", "- train\n", "- validation\n", "- test\n", "\n", "Pourquoi est-ce nécessaire?\n", "\n", - "Pour cela, utiliser la fonction scikit-learn `sklearn.model_selection.train_test_split`. Importer cette méthode, " + "Pour cela, utilisez la fonction scikit-learn `sklearn.model_selection.train_test_split`. Importez cette méthode, " ] }, { @@ -100,7 +100,7 @@ "metadata": {}, "source": [ "# K-means\n", - "Utiliser les k-means sur chacun des datasets. __Conseil:__ : Une cellule par dataset pour plus de clarté." + "Utilisez les k-means sur chacun des datasets. __Conseil:__ : Une cellule par dataset pour plus de clarté." ] }, { @@ -114,7 +114,7 @@ "cell_type": "markdown", "metadata": {}, "source": [ - "Comment avez vous choisi K ? Faites quelques tests, commentez les résultats. Gardez le meilleur hyperparmètre K. " + "Comment avez-vous choisi K ? Faites quelques tests, commentez les résultats. Gardez le meilleur hyperparmètre K. " ] }, { @@ -128,7 +128,7 @@ "cell_type": "markdown", "metadata": {}, "source": [ - "Relancer plusieurs fois pour chaque dataset. Obtenez-vous les mêmes résultats? Si non, pourquoi?" + "Relancez plusieurs fois pour chaque dataset. Obtenez-vous les mêmes résultats? Si non, pourquoi?" ] }, { @@ -144,7 +144,7 @@ "source": [ "# ACP / PCA / Principal Components Analysis\n", "On a vu la PCA ce matin. La fonction Scikit pour cette transformation est `sklearn.decomposition.PCA`. À vrai dire, c'est un objet. Consulter la documentation rapidemment : https://scikit-learn.org/stable/modules/generated/sklearn.decomposition.PCA.html ou la doc intégrée.\n", - "Effectuer une PCA sur vos données avec 2 composantes. " + "Effectuez une PCA sur vos données avec 2 composantes. " ] }, { @@ -158,7 +158,7 @@ "cell_type": "markdown", "metadata": {}, "source": [ - "Commentez la variance que vous avez pu expliquer. " + "Commentez la variance que vous avez pu expliqué. " ] }, { @@ -172,7 +172,7 @@ "cell_type": "markdown", "metadata": {}, "source": [ - "Charger le jeu de données iris. Ce jeu de données est un dataset très connu, assez facile. " + "Chargez le jeu de données iris. Ce jeu de données est un dataset très connu, assez facile. " ] }, { @@ -186,7 +186,7 @@ "cell_type": "markdown", "metadata": {}, "source": [ - "Effectuer une PCA. Quelle est la variance expliquée?" + "Effectuez une PCA. Quelle est la variance expliquée?" ] }, { @@ -200,7 +200,7 @@ "cell_type": "markdown", "metadata": {}, "source": [ - "Finalement, tracer ce jeu de données dans $R^2$. Est-ce facile de retrouver des clusters?" + "Finalement, tracez ce jeu de données dans $R^2$. Est-il facile de retrouver des clusters?" ] }, { @@ -215,7 +215,7 @@ "metadata": {}, "source": [ "# Si vous vous ennuyez\n", - "Si vous avez le temps, essayez de lancer un k-means sur les iris. Ensuite, effectuez une PCA, puis relancer des k-means." + "Si vous avez le temps, essayez de lancer un k-means sur les iris. Ensuite, effectuez une PCA, puis relancez des k-means." ] }, { @@ -230,7 +230,7 @@ "metadata": {}, "source": [ "Est-ce que vos résultats sont différents ? \n", - "Essayer de tracer vos résultats, en indiquant les clusters trouvés." + "Essayez de tracer vos résultats, en indiquant les clusters trouvés." ] }, { -- 2.22.0