Ce projet illustre la création d'un modèle de prevision en utilisant sklearn et l'algorithme de recherche d'hyperparamètres optuna
Les données utilisées pour ce démonstrateur ont été générées par simulation numérique. Elles représentent la puissance électrique d'une presse à balle (utilisée par exemple pour la compression de déchet sortants d'un salle de tri) utilisée pour comprimer une couche de matière
Les variables sont les suivantes:
- baler_power_kw: puissance électrique de la presse à balle
- ball_tick_before: épaisseur de la matière avant compression
- ball_tick_after: épaisseur de la matière après compression
- ball_area: surface de la matière
- material: type de matière
la variable material est une variable catégorielle
Dans ce démonstrateur, j'utilise la librairie lightgbm qui, par expérience, m'a montrée de bonnes performances pour les modèles de regression. J'ai volontairement omis les statistiques descriptives car les outliers ont été supprimés préalablement
Je montre comment enregistrer le modèle au format [onnx]https://onnx.ai/ car c'est un format que j'ai souvent utilisé en production. A noter que les modèles onnx peuvent être visualisés netron