mirror of
https://github.com/Ladebeze66/ft_linear_regression.git
synced 2026-11-09 13:47:18 +01:00
30 lines
980 B
Python
30 lines
980 B
Python
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} €")
|
|
|