/KNN

Algorithme de KNN from Scratch/avec Sklearn

Primary LanguageJupyter Notebook

KNN

Algorithme de KNN from Scratch/avec Sklearn

Partie 1 : Base de données, Analyse, Prétraitement et Préparation

  • Importation d'un dataset créé par la promotion.
  • Analyse.
  • Prétraitement : correction des valeurs manquantes et erronées.
  • Préparation : encodage des valeurs qualitatives (LabelEncoder), mise en forme pour le modèle.

Partie 2 : Développement et entraînement d’un modèle KNN

  • Fonction pour calculer la distance entre 2 points (3 métriques : euclidienne, Manhattan, Minkowski)
  • Fonction pour calculer les plus proches voisins et prédire la classe.
  • Affichage du score en fonction de k, validation croisée.
  • Utilisation de GridSearchCv pour choisir les paramètres optimaux.

Partie 3 : Mettre en place la solution dans l’application de test de personnalité

  • Enregistrement du modèle optimal avec joblib.