TP Regression

TP: Régression Logistique
Objectifs:
Dans ce TP, nous allons explorer les concepts fondamentaux de la régression logistique en
Python, en utilisant des données simulées. L'objectif est de construire un modèle capable de
prédire le succès ou l'échec des étudiants en fonction de leurs heures d'étude et de leurs
performances passées.
Exécution du code sur Google Colab
Pour exécuter ce tp sur Google Colab, suivez ces étapes :
1. Ouvrez un nouveau notebook Colab (https://colab.research.google.com/).

2. Créez une nouvelle cellule pour chaque étape et exécutez les codes
Méthodologie :
Étape 1 : Génération des données
Dans cette étape, nous avons généré un jeu de données simulé représentant les heures d'étude, les
notes passées des étudiants, et leur réussite (succès ou échec). Le jeu de données a été exporté en
format CSV pour une utilisation ultérieure.
# Import des bibliothèques nécessaires

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
# Création d'un jeu de données simulé

np.random.seed(42)
# Générer des données : temps d'étude (heures) et notes passées (sur

100)
n_samples = 200
study_time = np.random.normal(5, 2, n_samples) # Moyenne 5h, écart-
type 2h
past_scores = np.random.normal(60, 15, n_samples) # Moyenne 60, écart-
type 15
# Générer une variable cible (1 = Réussite, 0 = Échec)

success = (0.3 * study_time + 0.1 * past_scores + np.random.normal(0,
1, n_samples)) > 7
success = success.astype(int) # Convertir en 0 ou 1
# Créer un DataFrame
data = pd.DataFrame({
'study_time': study_time,
'past_scores': past_scores,
'success': success
})
# Visualiser un échantillon des données

print(data.head())
# Sauvegarder le jeu de données en CSV

data.to_csv("student_data.csv", index=False)
Étape 2 : Analyse exploratoire des données

L'étape 2 consiste à charger et explorer les données. On commence par importer le fichier CSV
contenant les informations des étudiants dans un DataFrame. Ensuite, des statistiques descriptives
sont générées pour résumer les principales caractéristiques des variables (comme la moyenne et
l'écart type).
# Charger le jeu de données

data = pd.read_csv("student_data.csv")
# Statistiques descriptives
print(data.describe())
# Visualisation des données

plt.figure(figsize=(10, 6))
plt.scatter(data['study_time'], data['past_scores'], c=data['success'],
cmap='viridis', edgecolor='k')
plt.colorbar(label='Success (1=Yes, 0=No)')
plt.xlabel('Study Time (hours)')
plt.ylabel('Past Scores (out of 100)')
plt.title('Visualisation des données')
plt.show()
output :
Explication des Résultats Visuels
Le nuage de points montre comment les étudiants se répartissent en fonction de leurs heures d'étude
et de leurs scores passés, tout en prenant en compte leur réussite ou échec. On peut observer certaines
tendances, comme :
 Les étudiants ayant un score passé élevé ou beaucoup d'heures d'étude tendent à réussir
(point jaune).
 Les étudiants avec moins d'heures d'étude ou un faible score passé sont souvent classés
comme ayant échoué (point violet).
Étape 3 : Préparation des données
Divisons les données en ensembles d’entraînement (80%) et de test (20 %).
from sklearn.model_selection import train_test_split
# Variables indépendantes (X) et dépendante (y)

X = data[['study_time', 'past_scores']]
y = data['success']
# Division en ensembles d'entraînement et de test (80% / 20%)

X_train, X_test, y_train, y_test = train_test_split(X, y,
test_size=0.2, random_state=42)
print(f"Taille de l'ensemble d'entraînement : {X_train.shape[0]}")

print(f"Taille de l'ensemble de test : {X_test.shape[0]}")
Étape 4 : Entraînement du modèle de régression logistique

from sklearn.linear_model import LogisticRegression
# Créer et entraîner le modèle

model = LogisticRegression()
model.fit(X_train, y_train)
# Afficher les coefficients

print("Coefficients :", model.coef_)
print("Intercept :", model.intercept_)
Étape 5 : Évaluation du modèle

from sklearn.metrics import accuracy_score, confusion_matrix,
classification_report
# Prédictions
y_pred = model.predict(X_test)
# Évaluation
print("Précision :", accuracy_score(y_test, y_pred))
print("\nMatrice de confusion :\n", confusion_matrix(y_test, y_pred))
print("\nRapport de classification :\n", classification_report(y_test,
y_pred))
output :
Précision : 0.775 (77.5%)
 Cela signifie que 77.5% des prédictions du modèle sont correctes.
Matrice de confusion :
Prédit 0 (Échec) Prédit 1 (Succès)

Vrai 0 (Échec) 11 3
Vrai 1 (Succès) 6 20
Interprétation :
 Vrai négatif (11) : Le modèle a correctement prédit "Échec" pour 11 étudiants.

 Faux positif (3) : Le modèle a prédit "Succès" pour 3 étudiants qui ont réellement échoué.
 Faux négatif (6) : Le modèle a prédit "Échec" pour 6 étudiants qui ont réellement réussi.
 Vrai positif (20) : Le modèle a correctement prédit "Succès" pour 20 étudiants.
Étape 6 : Visualisation des résultats

# Visualisation de la frontière de décision
x_min, x_max = X['study_time'].min() - 1, X['study_time'].max() + 1
y_min, y_max = X['past_scores'].min() - 1, X['past_scores'].max() + 1
xx, yy = np.meshgrid(np.arange(x_min, x_max, 0.1), np.arange(y_min,
y_max, 0.1))
Z = model.predict(np.c_[xx.ravel(), yy.ravel()])
Z = Z.reshape(xx.shape)
plt.figure(figsize=(10, 6))
plt.contourf(xx, yy, Z, alpha=0.8, cmap='viridis')
plt.scatter(data['study_time'], data['past_scores'], c=data['success'],
edgecolor='k', cmap='viridis')
plt.xlabel('Study Time (hours)')
plt.ylabel('Past Scores (out of 100)')
plt.title('Frontière de décision')
plt.show()
output :
 Zone jaune : le modèle prédit "succès" (1).

 Zone violette : le modèle prédit "échec" (0).
 Les points correctement classés par le modèle se trouvent dans la bonne zone (par exemple,
un point jaune dans la zone jaune).
 Les points mal classés par le modèle se trouvent dans la zone opposée (par exemple, un point
jaune dans la zone violette).
Conclusion
L'analyse des données montre la relation entre le temps d'étude, les scores passés et la
réussite des étudiants. Grâce aux statistiques descriptives et à la visualisation graphique, nous
pouvons observer des tendances intéressantes : par exemple, les étudiants ayant plus
d'heures d'étude ou un meilleur score passé ont plus de chances de réussir. Cela suggère que
ces deux facteurs influencent probablement la réussite.

TP Regression

Transféré par

Droits d'auteur :

Formats disponibles

TP Regression

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

TP Regression

Transféré par

Droits d'auteur :

Formats disponibles

TP: Régression Logistique

Exécution du code sur Google Colab

Pour exécuter ce tp sur Google Colab, suivez ces étapes :

1. Ouvrez un nouveau notebook Colab (https://colab.research.google.com/).

# Import des bibliothèques nécessaires

# Création d'un jeu de données simulé

# Générer des données : temps d'étude (heures) et notes passées (sur

# Générer une variable cible (1 = Réussite, 0 = Échec)

# Visualiser un échantillon des données

# Sauvegarder le jeu de données en CSV

Étape 2 : Analyse exploratoire des données

# Charger le jeu de données

# Visualisation des données

# Variables indépendantes (X) et dépendante (y)

# Division en ensembles d'entraînement et de test (80% / 20%)

print(f"Taille de l'ensemble d'entraînement : {X_train.shape[0]}")

Étape 4 : Entraînement du modèle de régression logistique

# Créer et entraîner le modèle

# Afficher les coefficients

Étape 5 : Évaluation du modèle

Précision : 0.775 (77.5%)

 Cela signifie que 77.5% des prédictions du modèle sont correctes.

Prédit 0 (Échec) Prédit 1 (Succès)

 Vrai négatif (11) : Le modèle a correctement prédit "Échec" pour 11 étudiants.

Étape 6 : Visualisation des résultats

 Zone jaune : le modèle prédit "succès" (1).

Vous aimerez peut-être aussi