parent
50cf6dfa7f
commit
63c7deb830
@ -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