delete ia
continuous-integration/drone/push Build is passing
Details
continuous-integration/drone/push Build is passing
Details
parent
c9d75ae591
commit
4ad946e2c5
@ -1,41 +0,0 @@
|
|||||||
---
|
|
||||||
sidebar_title: '📈 AI'
|
|
||||||
sidebar_position: 5
|
|
||||||
---
|
|
||||||
|
|
||||||
# AI
|
|
||||||
|
|
||||||
## Fonctionnement générale
|
|
||||||
|
|
||||||
Un script va demander tout les jours à l'API (a 8H),les activity info de tous les users qui ont ajouté un fichier.
|
|
||||||
Le script va calculer le modele en fonction de ces données
|
|
||||||
- 1 model pour la catégorie d'un utilisateur
|
|
||||||
Renvoie à l'API le model à la fin
|
|
||||||
Puis l'utilisateur pourra juste demander à l'API le modele
|
|
||||||
|
|
||||||
### Modèle d'apprentissage
|
|
||||||
|
|
||||||
On utilise une regresion linéaire multiple de la bibiothèque sklearn
|
|
||||||
|
|
||||||
En entré on donne :
|
|
||||||
|
|
||||||
- La date de l'activité
|
|
||||||
- Les données de l'activité
|
|
||||||
|
|
||||||
En sortie :
|
|
||||||
|
|
||||||
- Le model (Coef et interception pour chaque donnée)
|
|
||||||
|
|
||||||
### Utilisation du model
|
|
||||||
|
|
||||||
On transforme notre model en json -> coef,intercept
|
|
||||||
|
|
||||||
On va avoir un coef et une interception pour chaque valeur de l'activité
|
|
||||||
(On va juste calculer le Y d'une droit)
|
|
||||||
|
|
||||||
Calcul :
|
|
||||||
|
|
||||||
- ("Date où on prédit" * "coef de la donnée" ) + "Interception de la donnée"
|
|
||||||
|
|
||||||
|
|
||||||
|
|
Loading…
Reference in new issue