Premier Modèle IA (Régression linéaire simple, multiple et polynomiale)

Sommaire

1. TODO
   1. Régression linéaire simple
   2. Régression linéaire multiple
   3. Régression poly
   4. Scikit-Learn

TODO:

• Régression linéaire simple
  • Récupération des données
    • Importation de pandas
    • Chargement des fichiers
    • Découpage des données en test/train
  • Visualisation des données
    • Importation de matplotlib
    • Affichage de la courbe
  • Création du modèle (model(X,theta) )
    • Création de la fonction modeleLinSimple(X, theta)
    • Création de la fonction regression(X, Y, alpha, n_iterations)
  • Fonction du coût (fonction_cout(X,Y,theta))
    • Création de la fonction produitMatriciel
    • Création de la fonction cout
  • Gradient (gradient(X,Y,theta))
    • Création de la fonction transposee
    • Création de la fonction gradient
  • Descente du gradient (descente_gradient(X,Y,theta,alpha,n_iterations))
    • Création de la fonction descenteGradient
    • Récurrence
  • Evaluer votre modèle en utilisant le coefficient de détermination
    • Récupération des valeurs à tester
    • Création de la fonction coefDetermination(X_train, Y_train)
  • Tracer la courbe de la fonction du coût selon les itérations
    • Création fonction coutIterations
    • Affichage selon plusieurs valeurs

• Régression linéaire multiple
  • Implémentez un modèle de régression multiple sur la base de données issue du fichier nommé boston_house_prices.csv (sans utiliser la bibliothèque Scikit-learn).
    • Chargement des fichiers
    • Découpage des données en test/train
    • Affichage de la courbe
    • Création de la fonction modeleLinMulti()
    • Utilisation de la fonction de création de modèle
  • Évaluez les résultats obtenus en utilisant la fonction mean_squared_error de sklearn
    • Importation de sklearn
    • Création de la fonction errQuadMoyenne(X_train, Y_train)

• Régression polynomiale
  • En utilisant les bibliothèques adéquates de Python, implémentez un modèle de régression polynomiale sur le jeu de données issu du fichier **Position_Salaire.csv **(sans utiliser la bibliothèque Scikit-learn).
    • Chargement des fichiers
    • Découpage des données en test/train
    • Affichage de la courbe
    • Création de la fonction modelePoly()
    • Utilisation de la fonction de création de modèle
  • Appliquez le même modèle sur le jeu de données issu du fichier data/qualite_vin_rouge.csv
    • Utilisation de la fonction modelePoly()
  • Évaluez votre modèle.
    • Utilisation de la fonction coeffDetermination
    • Utilisation de la fonction errQuadMoyenne

• Scikit-Learn
  • Refaire les 3 régressions avec le module Scikit-Learn
    • Regression linéaire simple
    • Regression linéaire multiple
    • Regression polynomiale
  • Comparez les résultats de prédiction avec la méthode normale
    • Regression linéaire simple
    • Regression linéaire multiple
    • Regression polynomiale