LGBMClassifier ajout des corrélations mid_smooth_24

tools/sklearn/Sinus.py

@@ -0,0 +1,32 @@
+import numpy as np
+import matplotlib.pyplot as plt
+from lightgbm import LGBMRegressor
+
+# === Données non linéaires ===
+np.random.seed(0)
+X = np.linspace(0, 10, 200).reshape(-1, 1)
+y = np.sin(X).ravel() + np.random.normal(0, 0.1, X.shape[0])  # sinusoïde + bruit
+
+# === Entraînement du modèle ===
+model = LGBMRegressor(
+    n_estimators=300,   # nombre d’arbres
+    learning_rate=0.05, # taux d’apprentissage (plus petit = plus lisse)
+    max_depth=5         # profondeur des arbres (plus grand = plus complexe)
+)
+model.fit(X, y)
+
+# === Prédiction ===
+X_test = np.linspace(0, 10, 500).reshape(-1, 1)
+y_pred = model.predict(X_test)
+
+# === Visualisation ===
+plt.figure(figsize=(10, 5))
+plt.scatter(X, y, color="lightgray", label="Données réelles (sin + bruit)", s=20)
+plt.plot(X_test, np.sin(X_test), color="green", linestyle="--", label="sin(x) réel")
+plt.plot(X_test, y_pred, color="red", label="Prédiction LGBM")
+plt.title("Approximation non linéaire avec LGBMRegressor")
+plt.xlabel("x")
+plt.ylabel("y")
+plt.legend()
+plt.grid(True)
+plt.show()