Académique Documents
Professionnel Documents
Culture Documents
Presentation KNN
Presentation KNN
Sujet :
Elaboré par :
Ala Edine Lassoued
PLAN
BON Panneau
2
utilisant la méthode K-NN dans la classification des
panneaux photovoltaïque avec les caractéristiques
suivantes :
• Température
• Puissance du panneau KN-N Etat du
• Courant du court circuit Panneau
• Rayonnement solaires
4
Implantation d l’algorithme KNN
programme Python :
import numpy as np
from sklearn.neighbors import KNeighborsClassifier Importation
from sklearn.model_selection import train_test_split des packs
from sklearn.metrics import accuracy_score
Charger les
X = np.array([[20, 250, 5.5, 13], [25, 250, 6, 10, [30, 250, 7, 9], données (X =
[18, 250, 5, 14], [17, 250, 6.5, 14.2]]) caractéristiques,
y = np.array(["Bon Panneau", "Mauvais Panneau " ]) y = les Etas )
Séparer les données
X_train, X_test, y_train, y_test = train_test_split(X, y, en ensemble
test_size=0.2) d'entraînement et de
5 test
Implantation d l’algorithme KNN
programme Python :
# Créer un modèle
knn = KNeighborsClassifier(n_neighbors=3) k-NN avec k=3
6
Les Étapes :
Cet algorithme permet de classifier les panneaux photovoltaïques en des classes selon
leurs êtas en utilisant la technique k-NN. Il effectue les étapes suivantes :
7
Les Étapes :
8
Conclusion
Avantages :
•L’algorithme K-NN est simple et facile à mettre en œuvre.
•Il n’est pas nécessaire de créer un modèle, de régler plusieurs paramètres ou de formuler des
hypothèses supplémentaires.
•L’algorithme est polyvalent. Il peut être utilisé pour la classification ou la régression.
Inconvénients :
•L’algorithme devient beaucoup plus lent à mesure que le nombre d’observation et de
variables indépendantes augmente.
Étant l’un des algorithmes les plus simples de Machine Learning, il est hautement implémenté
pour développer des systèmes basés sur l’apprentissage, intuitifs et intelligents qui pourraient
effectuer et prendre de petites décisions tout seuls.