En Machine Learning, la régression sert à prédire une valeur numérique : prix d’une maison, chiffre d’affaires, température, rendement, score, etc. Mais il n’existe pas un seul modèle de régression. Chaque algorithme a sa logique, ses forces et ses limites. Voici un aperçu simple de quelques algorithmes très utilisés 𝟏. 𝑹é𝒈𝒓𝒆𝒔𝒔𝒊𝒐𝒏 𝒍𝒊𝒏é𝒂𝒊𝒓𝒆 C’est le modèle le plus classique. Elle fonctionne bien lorsque la relation entre X et Y est approximativement linéaire. Simple Rapide Facile à interpréter 𝟐. 𝑹é𝒈𝒓𝒆𝒔𝒔𝒊𝒐𝒏 𝒔𝒕𝒐𝒄𝒉𝒂𝒔𝒕𝒊𝒒𝒖𝒆 Elle introduit plus de flexibilité dans l’apprentissage et peut être utile lorsque les données sont plus complexes ou bruitées. Flexible Utile en apprentissage itératif 𝟑. 𝑹é𝒈𝒓𝒆𝒔𝒔𝒊𝒐𝒏 𝒂𝒓𝒃𝒓𝒆 𝒅𝒆 𝒅é𝒄𝒊𝒔𝒊𝒐𝒏 Elle découpe les données en plusieurs zones et prédit selon des règles successives. Capte les relations non linéaires Facile à visualiser Peut surapprendre si elle est mal réglée 𝟒. 𝑹é𝒈𝒓𝒆𝒔𝒔𝒊...
