first

src/prediction.py

@@ -0,0 +1,29 @@
+import numpy as np
+import pandas as pd
+
+# Charger les valeurs min/max pour la dé-normalisation
+df = pd.read_csv("data/data_normalized.csv")
+km_min, km_max = df["km"].min(), df["km"].max()
+price_min, price_max = df["price"].min(), df["price"].max()
+
+def predict_price(km):
+    """Prédit le prix d'une voiture en fonction du kilométrage donné en entrée."""
+    # Charger les paramètres optimisés (entraînés sur des données normalisées)
+    theta_0, theta_1 = np.load("model.npy")
+
+    # Normaliser le kilométrage
+    km_norm = (km - km_min) / (km_max - km_min)
+
+    # Calculer le prix normalisé
+    price_norm = theta_0 + theta_1 * km_norm
+
+    # Dé-normaliser le prix pour obtenir un montant en euros
+    price = price_norm * (price_max - price_min) + price_min
+
+    return price
+
+if __name__ == "__main__":
+    km_input = float(input("Entrez un kilométrage : "))
+    price_predicted = predict_price(km_input)
+    print(f"Prix estimé : {price_predicted:.2f} €")
+