Le projet ML distribution vise à prédire le nombre de magazines vendus par point de vente. Le processus comprend la compréhension des données, l'analyse exploratoire des données, l'ingénierie des caractéristiques, le prétraitement des données, la modélisation, l'évaluation du modèle, l'optimisation du modèle, l'interprétation des résultats et le déploiement. Les modèles de prédiction à tester incluent la régression linéaire, l'arbre de décision, la forêt aléatoire, la machine à vecteurs de support et le gradient boosting. Les performances du modèle sont évaluées à l'aide de métriques telles que l'erreur absolue moyenne (MAE), l'erreur quadratique moyenne (MSE), l'erreur quadratique moyenne racine (RMSE) et le coefficient de détermination (R²).