Accueil Parcours Projets Compétences Cours Contact | EN
Machine LearningDeep LearningInformatique / Data

Apprentissage supervisé

Régression linéaire

Régression logistique

Arbres de décision

Forêts aléatoires

Support Vector Machine (SVM)

K-plus proches voisins (KNN)

Apprentissage non supervisé

K-means

Isolation Forest

Local Outlier Factor

Apprentissage par renforcement

Q-learning

SARSA

Librairies

Scikit-learn

La régression linéaire est une méthode statistique permettant d'étudier la relation entre une variable à expliquer Y (variable dépendante) et une ou plusieurs variables explicatives X (variables indépendantes) de manière linéaire et continue.
La forme générale d'un modèle de régression linéaire est : Y = a + bX + ε a est l'ordonnée à l'origine, b est la pente de la droite, et ε est l'erreur résiduelle.