**Nom d’équipe:**ift3395_Massimo_Costarella-Serra_Yamir_Alejandro_Poldo_Silva

Contenu

1. Prédiction avec Régression Logistique

   • Fichier de soumission : ift3395_YamirPoldoSilvaV10.csv
   • Notebook associé : notebook.ipynb

2. Prédiction avec Voting Classifier

   • Fichier de soumission : ift3395_YAPS_MCS_V61.csv
   • Notebook associé : notebook_apres_25.ipynb

3. Fonctions et utilitaires communs

   • Fichier Python contenant les fonctions partagées : preprocessor_funct.py

4. Données brutes

   • data/train.csv : données d’entraînement
   • data/test.csv : données de test

Instructions d’exécution

1. Créer un environnement virtuel Python

python -m venv venv
source venv/bin/activate   # sous macOS / Linux
venv\Scripts\activate      # sous Windows

2. Installer les dépendances

Assurez-vous d’avoir le fichier requirements.txt, puis exécutez :

pip install -r requirements.txt

3. Exécuter un notebook

Ouvrez le notebook de votre choix, puis lancez toutes les cellules :

• Pour la régression logistique → notebook.ipynb
• Pour le Voting Classifier → notebook_apres_25.ipynb

Les fichiers .csv de prédiction seront automatiquement générés à la fin de l’exécution.