Une agence immobilière souhaite prédire les prix des maisons en utilisant un ensemble de données historiques comportant 32 caractéristiques. Quelle approche de modélisation est appropriée pour cette tâche ?

La régression linéaire est appropriée car la prédiction des prix des maisons est un problème de régression, où la variable cible (prix) est continue. La régression linéaire modélise la relation entre une ou plusieurs variables indépendantes (caractéristiques de la maison) et une variable dépendante continue. La régression logistique est utilisée pour la classification binaire. Le clustering K-means est une méthode de regroupement non supervisée, utilisée pour découvrir des structures dans les données, pas pour la prédiction de valeurs. L'analyse en composantes principales (ACP) est une technique de réduction de dimensionnalité, utilisée pour simplifier les données, pas pour la prédiction directe.