ft_linear regression.
Une introduction au machine learning, de zéro.
- Méthode
- Descente de gradient
- Modèle
- ŷ = θ₀ + θ₁·x
- Langage
- Python, puis TypeScript
Une régression linéaire ajuste une droite à un nuage de points en descendant le gradient d'une surface de coût convexe. À partir d'un jeu de voitures (kilométrage, prix de vente), le programme apprend deux paramètres, θ₀ et θ₁, qui minimisent l'erreur quadratique moyenne.
Ce site traite l'exercice comme un objet éditorial : un atelier pour l'algorithme en direct sur 108 094 voitures réelles, un essai en six chapitres, et un showroom opposant cinq méthodes sur les mêmes données. Tout tourne dans le navigateur (ou sur une Route Handler Vercel pour les calculs lourds), rien n'est précalculé.
Trois entrées.
§ 02 · Choisis ton point d'entréeApprendre.
Six chapitres en français. Prose, équations, un widget interactif par chapitre.
Playground.
Entraîne le modèle en direct sur 108 094 voitures. Règle α, regarde la droite se poser et le coût chuter.
Comparer.
Cinq algorithmes sur un même jeu. Linear GD, OLS, polynômes degré 2 et 3, Ridge avec λ ajustable.