Utilisez la régression linéaire pour la prédiction

Magazine
Marque
GNU/Linux Magazine
HS n°
Numéro
94
Mois de parution
janvier 2018
Spécialité(s)


Résumé
Face à la complexité d’un ensemble de données, le data scientist commence par les scruter sous tous les angles. Cette analyse graphique permet parfois de mettre en évidence des relations entre différentes dimensions. Dans ces cas-là, il est alors tentant de quantifier cette relation. Parmi les outils à la disposition du data scientist, la régression linéaire est l’un des plus simples, dont nous allons voir qu’il ne permet pas uniquement de lier des données selon une relation linéaire.

1. Dis-moi tout, et je te dirais qui tu es

L’apprentissage machine vise généralement deux buts : la classification et la prédiction. Le premier consiste à analyser un ensemble de données, et à attacher une étiquette à cet ensemble.

Il peut par exemple s’agir de données telles que le solde du compte courant d’un individu, ces derniers déplacements, son âge, l’âge de ses enfants, ses diplômes, son historique de navigation sur Internet, etc. Tout cela permettant de classer cet individu dans la catégorie « futur primo accédant » ou bien « futur optimiseur fiscal », etc.

Ou alors, cette classification peut travailler sur une image, et l’identifier comme étant celle d’un chat.

Le second but, la prédiction, est différent. Il s’agit dans ce cas de se baser sur un ensemble de données que l’on nomme prédicteurs, pour prédire une inconnue particulière.

Une application typique serait l’analyse du kilométrage…

La suite est réservée aux abonnés. Il vous reste 97% à découvrir.
  • Accédez à tous les contenus de Connect en illimité
  • Découvrez des listes de lecture et des contenus Premium
  • Consultez les nouveaux articles en avant-première
Envie de lire la suite ? Rejoignez Connect
Je m'abonne maintenant