Sommaire

Réaliser des Classificationclassifications

À présent que notre modèle est sauvegardé, nous pouvons l’utiliser pour réaliser des classifications. Pour cela, nous vous invitons à créer un nouveau script Python (classifications.py).

Nous savons que la machine a réussi à classer nos observations en deux groupes distincts, cependant nous ne savons pas si nos cerises sont dans le premier ou dans le second groupe, car rien ne nous dit que le premier groupe choisi par la machine est celui situé en bas à gauche du graphique.

Pour connaître le groupe correspondant à nos fruits, nous allons choisir des valeurs pour chacun d’entre eux issues des données d’apprentissage et réaliser les prédictions.

#Chargement du modèle 
from joblib import load 
modele = load(’modeles/kmean.joblib’) 
 
 
#CERISE: 26.98 mm de diamètre ,8.75 grammes 
#ABRICOT: 55.7  mm de diamètre , 102.16 grammes 
 
cerise = [[26.98,8.75]] 
numCluster = modele.predict(cerise) 
print("Numéro de cluster des cerises: "+ str(numCluster)) 
 
 
abricot = [[55.7,102.16]] 
numCluster = modele.predict(abricot) 
print("Numéro de cluster des abricots: " + str(numCluster))

Ce qui nous donne comme résultat :

Numéro de cluster des cerises : [1] 
Numéro de cluster des abricots : [0]

Étant donné que les clusters sont ...