ft_linear_regression

Ce projet implémente une régression linéaire simple pour estimer le prix d'une voiture à partir de son kilométrage.

Le modèle utilise la formule suivante :

estimatePrice = theta0 + theta1 * mileage

Les kilomètres sont normalisés pendant l'entraînement pour garder des valeurs entre 0 et 1 :

km_normalized = (km - min_km) / (max_km - min_km)

min_km et max_km sont sauvegardés avec le modèle afin que predict.py puisse appliquer la même normalisation aux valeurs saisies par l'utilisateur.

Fichiers

data.csv       Dataset contenant les colonnes km et price
train.py       Entraîne le modèle avec une descente de gradient
predict.py     Prédit un prix à partir d'un kilométrage utilisateur
precision.py   Calcule MAE, MSE et R2
plot.py        Affiche les données et la droite de régression

model.json est généré par train.py et n'est pas versionné.

Utilisation

Entraîner le modèle :

python3 train.py

Faire une prédiction :

python3 predict.py

Calculer la précision du modèle :

python3 precision.py

Afficher le graphe :

python3 plot.py

Résultat

Après entraînement sur data.csv, le modèle obtenu est :

theta0 = 8008.439832646822
theta1 = -4656.591444722153

Avec les métriques suivantes :

MAE: 557.84
MSE: 445645.25
R2: 0.7330

Le graphe ci-dessous montre les données du dataset et la droite apprise par la régression linéaire :

Méthode

L'entraînement commence avec :

theta0 = 0
theta1 = 0

A chaque itération, le programme calcule l'erreur entre le prix prédit et le prix réel, puis met à jour les paramètres avec la descente de gradient :

tmpTheta0 = learningRate * (1 / m) * sum(prediction - real_price)
tmpTheta1 = learningRate * (1 / m) * sum((prediction - real_price) * km_normalized)

theta0 = theta0 - tmpTheta0
theta1 = theta1 - tmpTheta1

On soustrait le gradient parce qu'il indique la direction dans laquelle l'erreur augmente. En allant dans la direction opposée, le modèle réduit progressivement son erreur.

Gestion des erreurs

Le projet gère notamment :

• fichier data.csv manquant
• dataset vide
• colonnes km ou price absentes
• ligne CSV invalide
• valeur non numérique
• division par zéro si tous les kilomètres sont identiques
• absence de model.json dans predict.py

Bonus

Bonus implémentés :

• affichage des points du dataset
• affichage de la droite de régression
• calcul de la MAE
• calcul de la MSE
• calcul du R2