# Importation des bibliothèques
import numpy as np
from sklearn.linear_model import LinearRegression, PolynomialFeatures
from sklearn.pipeline import make_pipeline

# Données d'entraînement : ancienneté et prix des motos
x_train = np.array([[1], [2], [3], [4], [5], [6], [7], [8], [9], [10]])
y_train = np.array([900000, 750000, 600000, 500000, 350000, 250000, 180000, 120000, 90000, 70000])

# Création et entraînement du modèle polynomial pour mieux capter la tendance
model = make_pipeline(PolynomialFeatures(degree=2), LinearRegression())
model.fit(x_train, y_train)

print("Modèle entraîné avec succès !")