les modèles traités dans ce brief sont: la régression linéaire, multiple et polynomiale sans et avec Scikit-Learn
Fonction du coût et algorithme de Descente du gradient
Evaluation des modèles
Comparaison des résultats de prédiction avec Scikit-Learn et ceux de la méthode normale :
pour la Régression linéaire l'erreur quadratique à la moyenne est de 9.888 pour le modèle manuel et de 8.752 pour le modèle de SK-Learn.
pour la Régression multiple l'erreur quadratique à la moyenne est de 53.818 (calculé à partir de la fonction mse de skkearn) pour le modèle manuel et de 48.466 pour le modèle de SK-Learn.
pour la Régression polynomiale l'erreur quadratique à la moyenne est de 7766436069.926 pour le modèle manuel et de 4400142334.915 pour le modèle de SK-Learn.