Scribd
Importer
13 vues5 pages

Regression Bouaziz

Le document présente des techniques de datamining, en se concentrant sur la régression, qui vise à prédire des valeurs réelles basées sur des performances passées. Il décrit différentes méthodes de régression, notamment la régression linéaire simple, multiple, polynomiale et logistique, ainsi que des approches pour calculer les coefficients et minimiser l'erreur. Enfin, il aborde la méthode du gradient descente pour optimiser les paramètres du modèle.

Transféré par

Houaria Yahi
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats DOCX, PDF, TXT ou lisez en ligne sur Scribd
13 vues5 pages

Regression Bouaziz

Le document présente des techniques de datamining, en se concentrant sur la régression, qui vise à prédire des valeurs réelles basées sur des performances passées. Il décrit différentes méthodes de régression, notamment la régression linéaire simple, multiple, polynomiale et logistique, ainsi que des approches pour calculer les coefficients et minimiser l'erreur. Enfin, il aborde la méthode du gradient descente pour optimiser les paramètres du modèle.

Transféré par

Houaria Yahi
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats DOCX, PDF, TXT ou lisez en ligne sur Scribd

Régression : @bouaziz

Techniques du datamining
- Arbre de decision
- Reseaux de neurones
- SVM
- ….
Taches Datamining
- Regression
- Classification
- Clustring
- Association
- …….
Régression : @bouaziz

Régression
Régression : essayer de prédire une valeur réelle.
Par exemple, prédire la valeur du stock demain en se basant sur son
ancienne performance (statistiques)

1. Régression linéaire simple


2. Régression multiple y = ax+by+cz + ++ + f
3. Régression Polynomiale y = ax² + b x + c
4. Régression logistique

*************************************

1. Régression linéaire simple


1ere Méthode : (Moindre Carrée)

Cov( X ,Y ) X .Y −X .Y
a= = 2 =0.5725
V ( X) X −( X )
2

b=Y −a X=−11.0167

Solution
Régression : @bouaziz

Cov( X ,Y ) X .Y −X .Y
a= = 2 =0.5725
V ( X) X −( X )
2

b=Y −a X=−11.016 7

Y = 0.5725X – 11.0167 …………Modèle finale de régression linéaire simple

MSE (mean square error) ‫حساب مقدار الخطأ‬


1
J ( a , b) =
2m
∑ ( ax +b− y )2
Régression : @bouaziz

2ème Méthode : (Gradient descente)

F(x) = ax + b
Initialisation
α = 0.1
a=2
b=1
#Fonction cout
1
J (a , b)=
2m
∑ ( ax +b− y )2 x*y
#Gradient
∂J 1 1
= ∑ x ( ax +b− y ) J ( a , b) = ∑ ( ax +b− y ) (ax+ b− y)
∂a m 2m
x (ax +b− y )
∂J 1
= ∑ ( ax+ b− y )
∂b m
#Gradient descente
∂J
a=a−α
∂a
∂J
b=b−α
∂b

Jusqu’à la convergence
Régression : @bouaziz

∂J
Critère d'arrêt : norme(g) < 0.01 ∂ a <0.01 ???????????????????? ,Nombre
d’itération ou la convergence

Vous aimerez peut-être aussi