deploy: 70fd252

_sources/dl/apprentissage/tp/tp_voitures/tp_voitures.ipynb

@@ -394,22 +394,22 @@
   },
   {
    "cell_type": "code",
-   "execution_count": 6,
+   "execution_count": 7,
    "metadata": {},
    "outputs": [
     {
      "data": {
       "text/plain": [
-       "1908.0"
+       "10.984615384615385"
       ]
      },
-     "execution_count": 6,
+     "execution_count": 7,
      "metadata": {},
      "output_type": "execute_result"
     }
    ],
    "source": [
-    "moyenne(0) # moyenne de cylindrée"
+    "moyenne(7) # nombre moyen de secondes pour aller de 0 à 100 km/h"
    ]
   },
   {
@@ -458,7 +458,7 @@
    "metadata": {},
    "source": [
     "````{admonition} Question\n",
-    " Définir une variable `X` qui contient les caractéristiques standardisées des voitures.\n",
+    " Définir une matrice `X` qui contient les caractéristiques standardisées des voitures.\n",
     "````"
    ]
   },
@@ -496,7 +496,7 @@
    "metadata": {},
    "source": [
     "````{admonition} Question\n",
-    " On aura aussi besoin de réaliser l'opération inverse de la précédente. Écrire une fonction `inverse_standardisation(y)` qui renvoie une liste `x` telle que $x_i = y_i \\sigma_i + \\mu_i$, où $\\mu_i$ et $\\sigma_i$ sont la moyenne et l'écart-type de l'attribut $i$.\n",
+    " On aura aussi besoin de réaliser l'opération inverse de la précédente. Écrire une fonction `inverse_standardisation(y)` qui, pour une voiture `y` (c'est-à-dire la liste de ses attributs), renvoie une liste `x` telle que $x_i = y_i \\sigma_i + \\mu_i$, où $\\mu_i$ et $\\sigma_i$ sont la moyenne et l'écart-type de l'attribut $i$.\n",
     "````"
    ]
   },
@@ -517,7 +517,7 @@
     }
    ],
    "source": [
-    "inverse_standardisation(X[0]) # égal à attributs[0]"
+    "inverse_standardisation(X[0]) # doit être égal à attributs[0]"
    ]
   },
   {

dl/apprentissage/tp/tp_voitures/tp_voitures.html

@@ -962,12 +962,12 @@ <h2>Standardisation des données<a class="headerlink" href="#standardisation-des
 </div>
 <div class="cell docutils container">
 <div class="cell_input docutils container">
-<div class="highlight-ipython3 notranslate"><div class="highlight"><pre><span></span><span class="n">moyenne</span><span class="p">(</span><span class="mi">0</span><span class="p">)</span> <span class="c1"># moyenne de cylindrée</span>
+<div class="highlight-ipython3 notranslate"><div class="highlight"><pre><span></span><span class="n">moyenne</span><span class="p">(</span><span class="mi">7</span><span class="p">)</span> <span class="c1"># nombre moyen de secondes pour aller de 0 à 100 km/h</span>
 </pre></div>
 </div>
 </div>
 <div class="cell_output docutils container">
-<div class="output text_plain highlight-myst-ansi notranslate"><div class="highlight"><pre><span></span>1908.0
+<div class="output text_plain highlight-myst-ansi notranslate"><div class="highlight"><pre><span></span>10.984615384615385
 </pre></div>
 </div>
 </div>
@@ -993,7 +993,7 @@ <h2>Standardisation des données<a class="headerlink" href="#standardisation-des
 \[\frac{x_i - \mu}{\sigma}\]</div>
 <div class="admonition-question admonition">
 <p class="admonition-title">Question</p>
-<p>Définir une variable <code class="docutils literal notranslate"><span class="pre">X</span></code> qui contient les caractéristiques standardisées des voitures.</p>
+<p>Définir une matrice <code class="docutils literal notranslate"><span class="pre">X</span></code> qui contient les caractéristiques standardisées des voitures.</p>
 </div>
 <div class="cell docutils container">
 <div class="cell_input docutils container">
@@ -1017,11 +1017,11 @@ <h2>Standardisation des données<a class="headerlink" href="#standardisation-des
 </div>
 <div class="admonition-question admonition">
 <p class="admonition-title">Question</p>
-<p>On aura aussi besoin de réaliser l’opération inverse de la précédente. Écrire une fonction <code class="docutils literal notranslate"><span class="pre">inverse_standardisation(y)</span></code> qui renvoie une liste <code class="docutils literal notranslate"><span class="pre">x</span></code> telle que <span class="math notranslate nohighlight">\(x_i = y_i \sigma_i + \mu_i\)</span>, où <span class="math notranslate nohighlight">\(\mu_i\)</span> et <span class="math notranslate nohighlight">\(\sigma_i\)</span> sont la moyenne et l’écart-type de l’attribut <span class="math notranslate nohighlight">\(i\)</span>.</p>
+<p>On aura aussi besoin de réaliser l’opération inverse de la précédente. Écrire une fonction <code class="docutils literal notranslate"><span class="pre">inverse_standardisation(y)</span></code> qui, pour une voiture <code class="docutils literal notranslate"><span class="pre">y</span></code> (c’est-à-dire la liste de ses attributs), renvoie une liste <code class="docutils literal notranslate"><span class="pre">x</span></code> telle que <span class="math notranslate nohighlight">\(x_i = y_i \sigma_i + \mu_i\)</span>, où <span class="math notranslate nohighlight">\(\mu_i\)</span> et <span class="math notranslate nohighlight">\(\sigma_i\)</span> sont la moyenne et l’écart-type de l’attribut <span class="math notranslate nohighlight">\(i\)</span>.</p>
 </div>
 <div class="cell docutils container">
 <div class="cell_input docutils container">
-<div class="highlight-ipython3 notranslate"><div class="highlight"><pre><span></span><span class="n">inverse_standardisation</span><span class="p">(</span><span class="n">X</span><span class="p">[</span><span class="mi">0</span><span class="p">])</span> <span class="c1"># égal à attributs[0]</span>
+<div class="highlight-ipython3 notranslate"><div class="highlight"><pre><span></span><span class="n">inverse_standardisation</span><span class="p">(</span><span class="n">X</span><span class="p">[</span><span class="mi">0</span><span class="p">])</span> <span class="c1"># doit être égal à attributs[0]</span>
 </pre></div>
 </div>
 </div>