Demo de l'IA avec KNN

• 1. Objectif : Comparer une courbe (ou portion de courbe) à des courbes de référence pour identifier la plus proche.
• 2. Représentation : Les courbes sont des séquences de fréquences, et les portions peuvent varier en taille (ex. 3 à 10 fréquences).
• 3. Distance : La proximité est mesurée par la distance Euclidienne entre deux portions de courbes.
• 4. Extraction des portions : On découpe les courbes en sous-séquences de tailles spécifiées (ex. 3, 4, 5 fréquences).
• 5. Comparaison : Chaque portion de la courbe analysée est comparée à toutes les portions des courbes de référence.
• 6. KNN : On identifie les portions les plus proches (par défaut ).
• 7. Sélection finale : La portion avec la distance minimale est retenue comme meilleure correspondance.
• 8. Flexibilité : L'algorithme fonctionne avec des courbes et portions de tailles variées.
• 9. Utilisation : Idéal pour analyser des tendances (ex. visites) dans des outils comme Prestashop.
• 10. Résultat : Retourne la portion testée, sa correspondance et la distance associée.
En savoir plus