ean13

pgvector/classification.md

@@ -0,0 +1,55 @@
+Parfait 👍 Alors, puisque vous avez vos vecteurs nutritionnels dans une colonne nutrition vector (normalisés avec un Z-score), vous pouvez utiliser l’extension pgvector pour faire une classification KNN directement dans PostgreSQL.
+
+Voici un exemple de requête complète en k-nearest neighbors (kNN) :
+
+-- Supposons que vous avez :
+-- table produit(id serial, nom text, famille text, nutrition vector)
+
+-- Exemple : on veut classifier un produit inconnu
+
+```sql
+WITH nouveau AS (
+  SELECT
+    ARRAY[
+      80,   -- énergie (kcal/100g)
+      3.5,  -- protéines
+      12,   -- glucides
+      11,   -- sucres
+      2.0,  -- graisses
+      0.8,  -- graisses_saturées
+      0.1,  -- sel
+      1.2,  -- fibres
+      5,    -- nutriscore numérique
+      0     -- nombre d'additifs
+    ]::vector AS nutrition
+)
+SELECT p.famille,
+       COUNT(*) AS voisins,
+       ROUND(AVG(p.nutrition <-> n.nutrition)::numeric, 3) AS distance_moyenne
+FROM produit p
+JOIN nouveau n ON true
+ORDER BY p.nutrition <-> n.nutrition   -- tri par distance euclidienne
+LIMIT 5;  -- on récupère les 5 plus proches voisins
+```
+
+```sql
+Étape suivante : classification majoritaire
+
+Pour prédire la famille (yaourt ou confiture), on peut compter la famille majoritaire parmi les k plus proches voisins :
+
+WITH nouveau AS (
+  SELECT ARRAY[80, 3.5, 12, 11, 2.0, 0.8, 0.1, 1.2, 5, 0]::vector AS nutrition
+),
+voisins AS (
+  SELECT p.famille
+  FROM produit p
+  JOIN nouveau n ON true
+  ORDER BY p.nutrition <-> n.nutrition
+  LIMIT 5  -- k=5
+)
+SELECT famille, COUNT(*) AS occurrences
+FROM voisins
+GROUP BY famille
+ORDER BY occurrences DESC
+LIMIT 1;  -- famille prédite
+```