Rencontre 1

On introduit le problème de régression avec le dataset shampoo.csv

Les données se trouvent ici

Un exemple de notebook peut se trouver ici

Plan de la séance

1. Introduction à Google Colab
2. Exploration du dataset shampoo.csv
3. Introduction aux méthodes de régression

Introduction à Google Colab

On explique comment rouler un fichier .ipynb dans un Google Colab

Exploration du dataset shampoo.csv

On utilise les libraries pandas et matplotlib pour visualiser les données

• Lecture du jeu de données avec pandas.read_csv()
• Obtention de statistiques descriptive avec pandas.DataFrame.describe()
• Visualisation du jeu de données avec matplotlib.plot()

Introduction aux méthodes de régression

On voudrait répondre à la question suivante: Prédire la valeur des ventes au 50e mois à l’aide d’une régression linéaire

Notons qu’on peut obtenir la régression linéaire de plusieurs façons:

1. avec la librairie sklearn
2. avec un calcul matriciel
3. en minimisant l’erreur MSE
4. avec une descente de gradient

Nous avons déjà commencé à discuter de la 3e méthode et on s’attardera à son implémentation lors de la prochaine séance.