Update app.py
Browse files
app.py
CHANGED
|
@@ -149,9 +149,15 @@ def identify_best_pattern(df, patterns):
|
|
| 149 |
actual_values = df["price"].values
|
| 150 |
mse_values = {}
|
| 151 |
for pattern_name, pattern_df in patterns.items():
|
| 152 |
-
predicted_values = pattern_df["price"].values
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 153 |
mse = mean_squared_error(actual_values, predicted_values)
|
| 154 |
mse_values[pattern_name] = mse
|
|
|
|
| 155 |
best_pattern = min(mse_values, key=mse_values.get)
|
| 156 |
return best_pattern, patterns[best_pattern]
|
| 157 |
|
|
|
|
| 149 |
actual_values = df["price"].values
|
| 150 |
mse_values = {}
|
| 151 |
for pattern_name, pattern_df in patterns.items():
|
| 152 |
+
predicted_values = pattern_df["price"].values
|
| 153 |
+
|
| 154 |
+
# Limiter la longueur des prédictions pour éviter des séries trop longues
|
| 155 |
+
if len(predicted_values) > len(actual_values):
|
| 156 |
+
predicted_values = predicted_values[:len(actual_values)] # Tronquer les prédictions pour qu'elles aient la même taille que les valeurs réelles
|
| 157 |
+
|
| 158 |
mse = mean_squared_error(actual_values, predicted_values)
|
| 159 |
mse_values[pattern_name] = mse
|
| 160 |
+
|
| 161 |
best_pattern = min(mse_values, key=mse_values.get)
|
| 162 |
return best_pattern, patterns[best_pattern]
|
| 163 |
|