💡 Comment utiliser : Cliquez sur les catégories ci-dessous pour les afficher/masquer, survolez les graphiques pour voir les valeurs détaillées, zoomez en cliquant-glissant.
✅ MODÈLE OPÉRATIONNEL : Classification KNN avec ml5.js - Librairie professionnelle de Machine Learning.
📚 Librairie : ml5.KNNClassifier (JavaScript)
📚 Librairie : ml5.KNNClassifier (JavaScript)
🎮 Filtres Interactifs
Espèce :
➕ Ajouter une Observation
📁 Importer données depuis CSV
🤖 Test Prédiction KNN - Quelle espèce d'iris?
📊 Modèle : K-Nearest Neighbors (KNN) | Librairie : ml5.KNNClassifier
Basé sur : Distance Euclidienne • Classification par proximité • Algorithme: ml5.js
Basé sur : Distance Euclidienne • Classification par proximité • Algorithme: ml5.js
Vue d'ensemble
Le dataset Iris contient des mesures de 150 fleurs d'iris réparties en 3 espèces différentes. Chaque fleur est décrite par 4 caractéristiques : longueur et largeur du sépale, longueur et largeur du pétale.
150
Observations totales
4
Variables numériques
3
Espèces (classes)
150
Sélectionnées
-
Accuracy KNN (%)
Graphiques Interactifs
📊 Petal Length vs Petal Width
📊 Sepal Length vs Sepal Width
📊 Petal Length vs Sepal Length
📊 Petal Width vs Sepal Width
📈 Distribution Sepal Length
📈 Distribution Sepal Width
📊 Distribution Petal Length
📊 Distribution Petal Width
🥧 Répartition des Espèces
Statistiques Descriptives
| Variable | Min | Q1 (25%) | Médiane | Moyenne | Q3 (75%) | Max |
|---|---|---|---|---|---|---|
| Sepal Length (cm) | - | - | - | - | - | - |
| Sepal Width (cm) | - | - | - | - | - | - |
| Petal Length (cm) | - | - | - | - | - | - |
| Petal Width (cm) | - | - | - | - | - | - |
Résumé par Espèce
| Espèce | Sepal Length Moy | Sepal Width Moy | Petal Length Moy | Petal Width Moy | Compte |
|---|---|---|---|---|---|
| 🌸 Setosa | - | - | - | - | - |
| 🌷 Versicolor | - | - | - | - | - |
| 🌺 Virginica | - | - | - | - | - |