Un fabricant dispose d'un historique de ventes étiqueté et souhaite prévoir le nombre d'unités d'une pièce particulière à produire chaque trimestre. Quelle approche d'apprentissage automatique est appropriée pour prédire une quantité numérique continue ?

La régression linéaire est la méthode appropriée car elle est utilisée pour prédire une variable dépendante continue (ici, le nombre d'unités à produire) basée sur une ou plusieurs variables indépendantes. L'objectif est de trouver la relation linéaire qui modélise le mieux les données historiques pour faire des prévisions. La régression logistique est utilisée pour la classification binaire ou multiclasse, où la sortie est une probabilité ou une catégorie, non une quantité continue. Random Cut Forest (RCF) est un algorithme de détection d'anomalies, identifiant des points de données inhabituels. L'analyse en composantes principales (ACP) est une technique de réduction de dimensionnalité, qui transforme les données en un ensemble de nouvelles variables non corrélées, sans objectif de prédiction directe.