Codzy

IA : prédire avec une régression linéaire

Le cœur de beaucoup d'IA, c'est d'apprendre à partir d'exemples. La plus simple des méthodes est la régression linéaire : on cherche la droite y = a × x + b qui passe au plus près des points connus, puis on l'utilise pour prédire une valeur nouvelle.

La pente a se calcule avec les moyennes : on additionne les écarts communs de x et y, puis on divise par les écarts de x au carré. Ensuite b = moyenne(y) − a × moyenne(x). C'est exactement ce que font les bibliothèques comme scikit-learn, en plus rapide.

hours = [1, 2, 3, 4, 5]
scores = [52, 58, 65, 70, 77]

n = len(hours)
mx = sum(hours) / n
my = sum(scores) / n
a = sum((x - mx) * (y - my) for x, y in zip(hours, scores)) / sum((x - mx) ** 2 for x in hours)
b = my - a * mx
print("slope:", round(a, 2), "intercept:", round(b, 2))
print("prediction for 6 h:", round(a * 6 + b, 1))

Commencer la leçon