PASCAL YIM / apprendreRégressions multiple et polynomiale

MODÈLES / 08 · EXERCICE

Séparer les caractéristiques et la cible

drop(columns=...) renvoie un DataFrame sans les colonnes indiquées.

EXPLICATION DU CODE

Pour prédire Rings, la colonne Rings doit être exclue de X. Sinon, la cible se retrouve parmi les informations fournies au modèle : c’est une fuite de données.

Exemple expliqué

  1. 1
    X = df.drop(columns=["Rings"])
    y = df["Rings"]

    X contient Length, Diameter, Height et Weight. df reste inchangé.

  2. 2
    model = LinearRegression().fit(X, y)
    y_hat = model.predict(X)

    Même interface avec quatre caractéristiques. Un meilleur score d’apprentissage ne suffit pas à conclure que le modèle généralise mieux.

Exemple de référence · La consultation conserve le crédit de l’exercice.
EXERCICE / PYTHON

Code à compléter

Créer X sans Rings, ajuster model, calculer y_hat, afficher les dimensions de X et la RMSE.

Saisie autonome · crédit complet après réussite

Le résultat apparaîtra ici.
Session Python

Les variables restent disponibles entre les pages. Un rechargement efface les variables ; le code et l’utilisation de l’aide restent enregistrés dans cet onglet.

Parcours · chapitres

Matrices, plans, pseudo-inverse et LinearRegression.

01 / Rappels de Python

02 / Classes et objets en Python

03 / Pandas et DataFrames

04 / Régression linéaire et métriques

05 / Régressions multiple et polynomiale

06 / Évaluer les modèles

07 / KNN et normalisation

Quiz de synthèse · 24 questions →Rejoindre une session →