Académique Documents
Professionnel Documents
Culture Documents
I. Introduction :
La régression linéaire est l’un des algorithmes les plus
populaires en apprentissage automatique. Cela est dû à sa simplicité
relative et à ses propriétés bien connues. La régression linéaire est
une méthode utilisée pour définir une relation entre une variable
dépendante (Y) et une variable indépendante (X). Qui est simplement
écrit comme:
y=m∗x+ b
b le coefficient de biais
et X la variable indépendante.
II. Manipulation
Mais comment trouver ces coefficients? On peut les trouver en
utilisant différentes approches. L'une est l'approche de la méthode
des moindres carrés ordinaires ou l'approche de la descente de
gradient.
∑ ri ²
i=1
numpy
pandas
matplotlib
import numpy as np
import pandas as pd
dataset =
pd.read_csv('C:/Users/hp/Desktop/ML/HOUSE/datasetFR.csv')
print(dataset)
Output :
2. Trouvons la relation entre la taille de la tête et le poids
du cerveau.
Output :
y j est
^ la jèmme valeur de sortie prévue. Maintenant nous allons
trouver RMSE.
rmse = 0
for i in range(n):
y_pred= b0 + b1* X[i]
rmse += (Y[i] - y_pred) ** 2
rmse = np.sqrt(rmse/n)
print(rmse)
Output : 72.1206213783709
Trouvons notre score R² pour pouvoir mesurer mathématiquement la
précision de notre modèle linéaire, mathématiquement :
4- le score R²
Mathématiquement :
Où :
sumofsquares = 0
sumofresiduals = 0
for i in range(n) :
y_pred = b0 + b1 * X[i]
sumofsquares += (Y[i] - y_mean) ** 2
sumofresiduals += (Y[i] - y_pred) **2
score = 1 - (sumofresiduals/sumofsquares)
print(score)
Output : 0.6393117199570003
0.63 n'est certainement pas mauvais, mais nous pouvons améliorer le
score par:
-etc…
IV. Conclusion
La régression linéaire est la base de tous les algorithmes du Machine
Learning et la plus facile à maîtriser. Nous avons mis en œuvre la
méthode des moindres carrés ordinaires pour prédire les poids du
cerveau à partir de la taille de la tête. Nous avons également mesuré
la précision avec l’erreur quadratique moyenne et le coefficient de
détermination (score R²).
BIBLIO :
https://towardsdatascience.com/linear-regression-from-
scratch-cd0dee067f72
Wikipédia