Prédiction du prix d'un ordinateur

import pandas as pd import seaborn as sns import matplotlib.pyplot as plt data = pd.read_csv("Computers.csv") df = pd.DataFrame(data) df

ligne, colonne = df.shape print("Le jeu de données contient", ligne, "lignes et", colonne, "colonnes." )

df.dtypes

df.isnull().sum()

# Donne le total, la moyenne, l'écart-type, le minimum, le premier quartile, la médiane, le troisième quartile et le maximum pour chaque variable numérique. df.describe()

# Donne le total, le nombre d'objets différents, le top et la fréquence pour chaque variable catégorique. df.describe(include=['object'])

df = df.drop(['Unnamed: 0'], axis = 1)

df['cd'] = df['cd'].eq('yes').astype(int) df['multi'] = df['multi'].eq('yes').astype(int) df['premium'] = df['premium'].eq('yes').astype(int) df

# Ajout d'une colonne temporaire pour notre graphe df['tmp'] = df.price # Catégorisation des prix selon des tranches de prix pour mieux les afficher df.loc[df['tmp'] <= 1000, 'tmp'] = 0 df.loc[(df['tmp'] > 1000) & (df['tmp'] <= 2000), 'tmp'] = 1 df.loc[(df['tmp'] > 2000) & (df['tmp'] <= 3000), 'tmp'] = 2 df.loc[(df['tmp'] > 3000) & (df['tmp'] <= 4000), 'tmp'] = 3 df.loc[df['tmp'] > 4000, 'tmp'] = 4 # Affichage du graphique prix = df['tmp'].map({0:"< 1000", 1:"1000-2000", 2:"2000-3000", 3:"3000-4000", 4:"> 4000"}) prix.value_counts().plot.pie(title = 'Prix des ordinateurs', figsize=(5,5), autopct='%1.0f%%') # Suppression de la colonne temporaire df = df.drop(['tmp'], axis = 1) plt.show()

# Transformation des valeurs numériques en objet pour ne plus avoir de valeur nulle sur le graphe sur une nouvelle colonne temporaire df['tmp'] = df['ram'].map({2: '2', 24: '24', 32: '32', 4: '4', 8: '8', 16: '16'}) # Group by selon la taille des Rams, moyenne sur chaque variable dfRam = df.groupby('tmp').mean() # Liste des différentes valeurs de ram ram = [ram for ram, df in df.groupby('tmp')] # Style du graphe plt.style.use('seaborn-whitegrid') # Paramètres du graphe plt.bar(ram, dfRam['price'], color='blue') plt.title('Prix moyen d\'un ordinateur en fonction de sa ram.', color='red') plt.xlabel('Prix', color='blue') plt.ylabel('RAM') # Suppression de la colonne temporaire df = df.drop(['tmp'], axis=1) plt.show()

corr = df.corr() plt.subplots(figsize=(10,8)) plt.title("Correlation Heatmap") sns.heatmap(corr, annot=True) plt.show()

from sklearn.tree import DecisionTreeRegressor from sklearn.ensemble import RandomForestRegressor, GradientBoostingRegressor from sklearn.neighbors import KNeighborsRegressor from sklearn.linear_model import LinearRegression, Ridge # Validation croisée from sklearn.model_selection import validation_curve from sklearn.model_selection import cross_validate from sklearn.model_selection import cross_val_score from sklearn.model_selection import cross_val_predict

# Données qui serviront à la prédiction X = df.drop(["price"], axis = 1) # Données cibles y = df.price

# Score de chaque algorithme print("Le taux de réussite de DecisionTreeRegressor est de :",cross_val_score(DecisionTreeRegressor(), X, y).mean(),"%.") print("Le taux de réussite de RandomForestRegressor est de :",cross_val_score(RandomForestRegressor(), X, y).mean(),"%.") print("Le taux de réussite de GradientBoostingRegressor est de :",cross_val_score(GradientBoostingRegressor(), X, y).mean(),"%.") print("Le taux de réussite de KNeighborsRegressor est de :",cross_val_score(KNeighborsRegressor(), X, y).mean(),"%.") print("Le taux de réussite de LinearRegression est de :",cross_val_score(LinearRegression(), X, y).mean(),"%.") print("Le taux de réussite de Ridge est de :",cross_val_score(Ridge(), X, y).mean(),"%.")

# Pour LinearRegression y_lr_pred = cross_val_predict(LinearRegression(), X, y) print("Prédiction de LinearRegression :\n", y_lr_pred) # Pour Ridge y_r_pred = cross_val_predict(Ridge(), X, y) print("Prédiction de Ridge :\n", y_r_pred)

from sklearn.metrics import mean_squared_error # Pour LinearRegression print("LinearRegression :", mean_squared_error(y,y_lr_pred)) # Pour Ridge print("Ridge :", mean_squared_error(y,y_r_pred))

from sklearn.metrics import mean_absolute_percentage_error # Pour LinearRegression print("LinearRegression :", mean_absolute_percentage_error(y,y_lr_pred)) # Pour Ridge print("Ridge :", mean_absolute_percentage_error(y,y_r_pred))

# Algorithme utilsé pour le modèle final RidgeModel = Ridge() # Performance de la validation croisée cv = cross_validate(RidgeModel, X, y) print('temps moyen :', cv['fit_time'].mean(), '\nscore moyen :', cv['test_score'].mean())

print(cross_val_predict(RidgeModel, X, y))