88 lines
2.2 KiB
Markdown
88 lines
2.2 KiB
Markdown
# Questions TP5 d'IA
|
||
|
||
> Matthieu Jolimaitre
|
||
|
||
## Partie 1
|
||
|
||
### 1. D’après le modèle ajusté, quelle est la température attendue si la puissance est de 120W ?
|
||
|
||
```
|
||
f(120) = 64.61248085407703
|
||
```
|
||
|
||
ce qui implique que la température attendue si la puissance est de 120W est de
|
||
64.61°.
|
||
|
||
### 2. Que vaut la RMSE et quelle est son unité ?
|
||
|
||
```
|
||
RMSE = 5.662048552655999
|
||
```
|
||
|
||
L'unité de la RMSE est un écart de températures en degrés.
|
||
|
||
### 3. Quelle est la valeur de température qui admet la plus grande erreur d’approximation ?
|
||
|
||
```
|
||
Maximal error = 14.337368012120734
|
||
for (x, y) = (153.89061334817407, 91.90827168300679)
|
||
```
|
||
|
||
La valeur de température qui admet la plus grande erreur d'approximation est de
|
||
91.91° pour une puissance de 153.89W.
|
||
|
||
### 4. Le modèle est-il meilleur ou moins bon que sur le jeu de données précédent ? Pour quelle raison ce modèle est, ou n’est pas, adapté à ces données ?
|
||
|
||
```
|
||
f(120) = 44.42433903389104
|
||
RMSE = 13.428963137234206
|
||
Maximal error = 47.681726938444285
|
||
for (x, y) = (179.85011085382266, 113.05473219321803)
|
||
```
|
||
|
||
Le modèle est moins bon que sur le jeu de données précédent. En effet, la RMSE
|
||
est plus élevée. Le modèle n'est pas adapté à ces données car il ne suit pas la
|
||
tendance des données qui semble être parabolique ou exponentielle plutôt que
|
||
linéaire.
|
||
|
||
## Partie 2
|
||
|
||
#### 5. En combien d’epochs le perceptron converge-t-il ?
|
||
|
||
```
|
||
M=1, score=0.966
|
||
M=2, score=0.974
|
||
M=3, score=1.0
|
||
```
|
||
|
||
Le perceptron converge en 3 epochs.
|
||
|
||
#### 6. En combien d’epochs le perceptron converge-t-il ?
|
||
|
||
```
|
||
...
|
||
M=1, score=0.908
|
||
M=2, score=0.922
|
||
M=3, score=0.924
|
||
M=4, score=0.916
|
||
M=5, score=0.912
|
||
M=6, score=0.93
|
||
...
|
||
```
|
||
|
||
Le perceptron semble converger en 5 epochs avant de regresser.
|
||
|
||
#### 7. Que valent ces métriques avec ce nouveaux jeu de données avec 𝑀 = 25 epochs et un pas d’apprentissage 𝜌 = 0.01 ? Que vaut la loss définie par l’Equation 3 qui est minimisée par le Perceptron ?
|
||
|
||
```
|
||
precision = 0.9766666666666667
|
||
recall = 0.8987730061349694
|
||
F1 = 0.4680511182108626
|
||
```
|
||
|
||
```
|
||
loss = 40
|
||
```
|
||
|
||
Le perceptron n'a pas pu converger d'avantage et a atteint une loss de 40. Ce
|
||
qui signifie que 40 individus ont été mal classifiés.
|