Quand j’étais plus jeune, j’avais un calendrier qui, pour chaque jour de l’an, avait une citation différente, j’ai appris tellement de citations grâce à ça !
J’ai donc eu l’idée de recréer ce système, sous forme de programme informatique en Python, de manière à ce que je reçoive chaque matin, un mail indiquant la citation du jour, de quoi bien commencer la journée !
L’idée est très simple, il suffit de sélectionner de façon aléatoire une citation, de l’envoyer par mail, et de faire ça chaque jour de l’année.
L’article précédent, utilisait un jeu de donnée très simple, contenant uniquement la surface et le prix, cette fois-ci, je m’intéresse en plus du prix et de la surface, à l’arrondissement, et je compte, en plus de réaliser une régression linéaire, voir comment le loyer évolue dans les différents arrondissement de la capitale.
Il est évident que plus la surface est grande, plus le prix augmente, mais qu’en est-il de l’arrondissement ?
Ce violinplot montre que les prix ont plus tendances à s’envoler et à s’écarter de la moyenne dans le 4e et 1er arrondissement, ils sont plus autour de la moyenne dans le dixième arrondissement, et ils sont moins cher en moyenne.
Un diagramme en violon (Violinplot) est similaire à un Boxplot, mais affiche en plus la densité de probabilité, ce qui lui donne la forme d’un violon.
L’affichage précédent, tient compte uniquement de l’arrondissement et du loyer, peut-être que le fait de ne pas tenir compte de la surface est un biais, alors l’idéal est de confirmer ça :
Ce graphique à 3 dimensions, montre comment évoluent les loyers en fonction de la surface et de l’arrondissement, l’intuition précédente sur le 1 et 4e arrondissement se confirme.
Ainsi, selon le modèle :
Un 31 m² au 1er arrondissement, le loyer serait : 1362 €
Un 31 m² au 10e arrondissement, le loyer serait : 858 €
En intelligence artificielle, la méthode des K plus proches voisins est une méthode d’apprentissage supervisé.
Le nom K-NN ou KNN, vient de l’anglais et signifie k-nearest neighbors. KNN est adapté à la fois pour les problèmes de classification et de régressions.
Le type d’algorithme qu’utilise KNN est appelé memory-based, car tout le jeu de données doit être conservé en mémoire pour réaliser les prédictions, d’où la lenteur de ce dernier. À contrario, la régression linéaire est paramétrique, de paramètre θ et ne va donc pas avoir besoin de conserver toutes les données pour effectuer des prédictions, mais seulement θ.
La base de données MNIST (Modified ou Mixed National Institute of Standards and Technology) est une base de données de chiffres écrits à la main. C’est un jeu de données très utilisé en apprentissage automatique.
J’ai donc utilisé cette base de données, ainsi que KNN pour reconnaître les chiffres présents sur les images. Mais aussi, avant de réaliser les différentes prédictions, j’ai fait en sorte de choisir le meilleur hyper-paramètre K. (Le meilleur étant celui qui obtient le plus faible taux d’erreurs)
Evolution de l’erreur en fonction de K, ici 6 est le paramètre minimisant l’erreur.
On voit que les prédictions réalisées correspondent aux écritures manuscrites !
