PASCAL YIM / apprendreRégression linéaire et métriques

RÉGRESSION / 01 · EXPLICATION

Prédire une valeur numérique

Une régression associe des caractéristiques observées à une quantité à prédire.

Code→Exécution→Résultat
FONCTIONNEMENT

Avec co2_mini, x est la consommation en L/100 km et y les émissions de CO₂ en g/km. Une droite produit une estimation ŷ = ax + b.

y^i=axi+b\hat y_i = a x_i + b

yᵢ est observé ; ŷᵢ est prédit. n désigne le nombre d’observations.

À retenir

  1. 01

    a est la pente : variation prédite de CO₂ pour une unité de consommation supplémentaire.

  2. 02

    b est l’ordonnée à l’origine ; son interprétation à x = 0 reste limitée si cette valeur est hors des données.

  3. 03

    fit ajuste les paramètres sur des observations connues ; predict applique le modèle à de nouvelles valeurs.

  4. 04

    Les premiers calculs portent sur toutes les données pour comprendre la méthode. Les scores d’apprentissage ne mesurent pas encore la généralisation.

Les slides d’explication ne donnent pas lieu à une validation de code.

Parcours · chapitres

Droite, moindres carrés, classe Python et mesure des erreurs.

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 →