Activité 4.1 Régression linéaire Multiple
Activité 4.1 Régression linéaire Multiple
Programming, Data Science, Machine Learning · lab
Fiche de révisionGuide de TP
Rédigée à partir de ce document, puis vérifiée avant publication.
Cette activité propose une introduction pratique à la régression linéaire multiple en Python. Elle permet d’illustrer l’application d’un modèle linéaire multiple (MLM) pour comprendre les relations entre variables et réaliser des prédictions. L’activité utilise un jeu de données simple sur les ventes et les investissements publicitaires dans différents médias. Pour la réaliser, il est nécessaire d’avoir Python installé, ainsi que les bibliothèques Pandas, NumPy, Matplotlib et scikit-learn.
Advertising.csv contenant les variables de ventes et d’investissements publicitaires.La première étape consiste à importer les bibliothèques nécessaires et à charger les données au format CSV. Python ne dispose pas nativement d’une fonction pour lire les fichiers CSV, c’est pourquoi on utilise la bibliothèque Pandas. NumPy est utile pour les calculs numériques et Matplotlib pour les visualisations.
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
# importer les données Advertising.csv
donnees = pd.read_csv('Advertising.csv', index_col=0)
donnees.head()
Le fichier est chargé dans un DataFrame Pandas nommé donnees. La commande donnees.head() affiche les premières lignes pour vérifier l’importation.
On crée un objet modeleReg à partir de la classe LinearRegression de la bibliothèque scikit-learn. Cet objet contiendra le modèle de régression multiple. La variable dépendante y est la colonne « Sales » (nombre de ventes), et les variables indépendantes X sont les colonnes restantes correspondant aux investissements publicitaires par média.
from sklearn.linear_model import LinearRegression
# créer un objet de régression linéaire
modeleReg = LinearRegression()
# définir y et X
list_var = donnees.columns.drop("Sales")
y = donnees.Sales
X = donnees[list_var]
# ajuster le modèle aux données
modeleReg.fit(X, y)
La méthode fit calcule les coefficients du modèle par la méthode des moindres carrés.
Une fois le modèle ajusté, on affiche :
On trace également deux graphiques :
y en fonction des valeurs prédites par le modèle.y en fonction des résidus (différences entre valeurs observées et prédites).print modeleReg.intercept_
print modeleReg.coef_
# calcul du R²
print modeleReg.score(X, y)
# calcul du RMSE
RMSE = np.sqrt(((y - modeleReg.predict(X))**2).sum() / len(y))
print RMSE
# graphique des valeurs observées vs prédites
plt.plot(y, modeleReg.predict(X), '.')
plt.show()
# graphique des valeurs observées vs résidus
plt.plot(y, y - modeleReg.predict(X), '.')
plt.show()
Un bon modèle aura un R² proche de 1, indiquant que la majorité de la variance de y est expliquée par les variables indépendantes. Un RMSE faible signifie que les prédictions sont proches des observations. Le premier graphique doit montrer une relation linéaire proche de la diagonale, tandis que le second doit présenter des résidus aléatoires sans tendance apparente.
Après exécution du code, vous devez obtenir :
y lorsque toutes les variables indépendantes sont nulles.index_col=0 lors de la lecture du CSV peut fausser les données.y et X.