#2 Exceler à Excel - Régression

Introduction

Excel est très utilisé dans les statistiques. Et qui dit "statistiques" dit Machine Learning ! Et oui, on peut faire du Machine Learning avec Excel. Dans cette quête, vous allez découvrir la régression qui est un type de problématique de Machine Learning. Cette technique permet de chercher des liens entre deux ou plusieurs variables. L'idée est de trouver la valeur d'une variable qu'on veut expliquer (y) à partir de la valeur d'une ou plusieurs variables explicatives (X). Un exemple plus concret est d'estimer le prix d'un logement (y) à partir des caractéristiques de ce logement (nombre de pièces, emplacement...).

Objectifs

✅ Tracer une régression linéaire simple ✅ Tracer une régression polynomiale

Sommaire

Connaissances théoriques

Régression linéaire et polynomiale

Le concept d'une régression linéaire univariée est de tracer une droite. Cette droite est définie par une équation de la forme $y = aX + b$ où a est la pente de la droite et b est l'ordonnée à l'origine. Le postulat est donc que la variable explicative (X) et la variable expliquée (y) sont liées par une relation linéaire. Dans le cas de la régression linéaire multivariée, on dit juste que la variable expliquée est liée à un nombre N de variables explicatives. Dans ce cas, on aura la même équation mais généralisée sur plusieurs variables explicatives $y = a_1X_1 + a_2X_2 +...+ a_NX_N + b$. Ainsi on aura un coefficient de pente pour chaque variable explicative et l'ordonnée à l'origine b. Dans la vraie vie, nous n'avons pas toujours des liens linéaires entre des variables. Un autre type de liens est la régression polynomiale. Dans ce cas, l'équation de régression entre les variables X et y devient $y = a_1X + a_2X^2 +...+ a_NX^N + b$ avec N le degré du polynôme. De même, on pourra généraliser cette équation sur plusieurs variables explicatives (on aura donc autant d'équations que de variables explicatives).

Ci-dessous un exemple d'une régression linéaire univariée :

Dans ce deuxième exemple la régression polynomiale de degré 2 est plus appropriée :

Ressources

Challenge

Dans ce challenge tu vas devoir tracer une régression linéaire entre une variable explicative X et une variable cible y de ton choix. Tu feras de même avec d'autres variables pour tracer une régression polynomiale. Les données à utiliser seront celles du dataset de statistiques mondiales.

Tu réaliseras la quête dans une cellule de la copie du fichier Statistiques mondiales que tu t'es fait. Enfin tu prédiras la valeur d'un y pour une nouvelle valeur de X pour la régression linéaire et polynomiale.

Critères de validation

• La régression linéaire est effectuée

• La régression polynomiale est effectuée

• Le fichier est consultable pour toute personne disposant du lien

• Le choix des variables X et y est pertinent

==$== Une solution ici