From d35a53f488817060e377f265e267e233780b7685 Mon Sep 17 00:00:00 2001
From: Quentin Fortier <qpfortier@gmail.com>
Date: Fri, 15 Dec 2023 15:22:14 +0100
Subject: [PATCH] Add tp_voitures.ipynb

---
 .../tp/tp_voitures/tp_voitures.ipynb          | 23 ++++++++++---------
 1 file changed, 12 insertions(+), 11 deletions(-)

diff --git a/files/dl/apprentissage/tp/tp_voitures/tp_voitures.ipynb b/files/dl/apprentissage/tp/tp_voitures/tp_voitures.ipynb
index eebe3a36..0373e3d5 100644
--- a/files/dl/apprentissage/tp/tp_voitures/tp_voitures.ipynb
+++ b/files/dl/apprentissage/tp/tp_voitures/tp_voitures.ipynb
@@ -7,12 +7,13 @@
    "source": [
     "# TP : Classification de voitures\n",
     "\n",
+    "[**Lien Capytale**](https://capytale2.ac-paris.fr/web/c/bd00-1309235).\n",
+    "\n",
+    "[Si Capytale ne marche pas, utiliser ce fichier de données](https://raw.githubusercontent.com/cpge-itc/itc2/main/files/5_kmeans/voitures/voitures.csv)\n",
+    "\n",
     "## Chargement des données\n",
-    "Dans ce TP, nous voulons classifier des voitures, selon leur type (sportive, citadine, familiale...). Commençons par charger les données dans Basthon :\n",
     "\n",
-    "1. Télécharger <a href=\"https://raw.githubusercontent.com/cpge-itc/itc2/main/files/voitures.csv\" download>les données (clic droit ici puis enregistrer la cible du lien sous)</a>.  \n",
-    "2. Dans Basthon, cliquer sur Fichier puis Ouvrir et sélectionner le fichier téléchargé.\n",
-    "3. Exécuter le code ci-dessous, en modifiant titanic.csv si vous avez utilisé un autre nom de fichier."
+    "Dans ce TP, nous voulons classifier des voitures, selon leur type (sportive, citadine, familiale...). Commençons par importer les données :"
    ]
   },
   {
@@ -392,22 +393,22 @@
   },
   {
    "cell_type": "code",
-   "execution_count": 7,
+   "execution_count": 6,
    "metadata": {},
    "outputs": [
     {
      "data": {
       "text/plain": [
-       "10.984615384615385"
+       "1908.0"
       ]
      },
-     "execution_count": 7,
+     "execution_count": 6,
      "metadata": {},
      "output_type": "execute_result"
     }
    ],
    "source": [
-    "moyenne(7) # nombre moyen de secondes pour aller de 0 à 100 km/h"
+    "moyenne(0) # moyenne de cylindrée"
    ]
   },
   {
@@ -453,7 +454,7 @@
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "**Question** : Définir une matrice `X` qui contient les caractéristiques standardisées des voitures."
+    "**Question** : Définir une variable `X` qui contient les caractéristiques standardisées des voitures."
    ]
   },
   {
@@ -489,7 +490,7 @@
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "**Question** : 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 $i$."
+    "**Question** : 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 $i$."
    ]
   },
   {
@@ -509,7 +510,7 @@
     }
    ],
    "source": [
-    "inverse_standardisation(X[0]) # doit être égal à attributs[0]"
+    "inverse_standardisation(X[0]) # égal à attributs[0]"
    ]
   },
   {