← Retour à l'accueil
Projets machine learning et modélisation prédictive
Régression, classification, clustering, séries temporelles et mise en production de modèles
Prédiction des ventes publicitaires et déploiement d'une API
Problématique marketing : Comment prédire les ventes d'une entreprise à partir de ses budgets publicitaires (TV, radio et presse) ?
Objectif : Comparer plusieurs modèles de régression, puis mettre le modèle retenu en production sous la forme d'une API conteneurisée.
Python
Scikit-learn
XGBoost
FastAPI
Docker
Advertising Dataset (Kaggle)
Modélisation
- 200 observations, séparées en 160 pour l'entraînement et 40 pour le test.
- Trois modèles comparés : régression linéaire (R² = 0,899 ; RMSE = 1,78), Random Forest (RMSE = 0,77) et XGBoost (R² = 0,975 ; RMSE = 0,88).
- Modèle déployé : XGBoost, sauvegardé avec
joblib.
- Lecture métier : dans la régression linéaire, le coefficient de la radio (0,19) est environ 4 fois celui de la TV (0,045), et celui de la presse est proche de zéro (0,003).
API et conteneurisation
- FastAPI (
app.py) : route /predict qui reçoit les 3 budgets et renvoie les ventes prévues, avec une documentation interactive sur /docs.
- Docker (
Dockerfile) : image Python 3.10 slim, dépendances dans requirements.txt, serveur uvicorn sur le port 8000.
Prédiction des défauts de paiement (classification binaire)
Problématique métier : Une banque souhaite repérer à l'avance les clients de cartes de crédit susceptibles de ne pas rembourser, afin de limiter ses pertes.
Objectif : Estimer la probabilité de défaut d'un client à partir de son profil, de ses retards de paiement et de ses montants de facture.
Python
Régression logistique
Classification
Default of Credit Card Clients (UCI)
Méthode
- 30 000 clients, dont 22,1 % en défaut : une classe minoritaire.
- Séparation 80 / 20 stratifiée et standardisation des variables.
- Régression logistique avec pondération de la classe minoritaire, pour mieux détecter les défauts.
- Évaluation : matrice de confusion, précision, rappel et courbe ROC.
Voir le notebook
Résultats et recommandation
- AUC de 0,71 : le modèle sépare correctement les profils, sans être très discriminant.
- Il détecte 62 % des défauts réels (rappel), avec une précision de 37 % sur cette classe.
- Signal le plus fort : l'historique de paiement du mois précédent. Une limite de crédit élevée réduit le risque.
- Piste : utiliser le score pour prioriser les contacts clients, avec des seuils à calibrer selon la politique de risque de la banque.
Prévision des ventes avec Prophet (séries temporelles)
Problématique métier : Une chaîne de magasins souhaite anticiper ses ventes pour ajuster ses stocks et ses commandes fournisseurs.
Objectif : Modéliser la tendance et les cycles des ventes quotidiennes, puis prévoir les 90 prochains jours.
Python
Séries temporelles
Prophet
Store Sales (Kaggle)
Méthode
- Agrégation des ventes quotidiennes de tous les magasins.
- Modèle Prophet avec saisonnalités hebdomadaire et annuelle, et prévision à 90 jours avec zone d'incertitude.
- Validation sur les 30 derniers jours : erreur moyenne d'environ 69 750 ventes par jour, soit 8,4 %.
- Ajout des jours fériés du pays pour affiner le modèle.
Voir le notebook
Résultats
- Tendance à la hausse sur toute la période, de 2013 à 2017.
- Cycle hebdomadaire : le dimanche est le jour le plus fort, suivi du samedi, et le jeudi le plus faible.
- Pic annuel en fin d'année, autour de Noël.
- Usage : adapter les effectifs au calendrier hebdomadaire et renforcer les stocks avant les fêtes.
Prédiction des prix immobiliers (régression linéaire)
Problématique métier : Estimer la valeur d'un logement à partir de ses caractéristiques et de son quartier.
Objectif : Entraîner une régression linéaire multiple, mesurer sa précision et identifier les variables qui pèsent sur le prix.
Python
Scikit-Learn
Régression linéaire
Boston Housing
Méthode
- Matrice de corrélation, puis régression linéaire sur les variables numériques (séparation 80 / 20).
- Évaluation : R², RMSE, MAPE et analyse des résidus.
Voir le notebook
Résultats
- R² de 0,63, avec une erreur moyenne de 5,2 k$ (MAPE de 18,6 %).
- Une pièce supplémentaire augmente le prix médian d'environ 4,8 k$.
- La pollution (
NOX), la distance aux centres d'emploi, le ratio élèves/enseignants et la part de population défavorisée pèsent négativement sur le prix.
Segmentation clients (clustering non supervisé)
Problématique métier : Un centre commercial souhaite regrouper ses clients en segments homogènes pour adapter ses actions marketing.
Objectif : Segmenter 200 clients selon leur revenu annuel et leur score de dépense, sans étiquettes préalables.
Python
K-Means / CAH / DBSCAN
Clustering
Mall Customers (Kaggle)
Méthode
- Standardisation du revenu et du score de dépense.
- Méthode du coude pour choisir 5 groupes, puis K-Means.
- Comparaison avec une classification hiérarchique (dendrogramme) et une version 3D incluant l'âge.
- DBSCAN pour repérer les clients atypiques.
Voir le notebook Colab
Les 5 profils identifiés
- Moyens : revenu et dépense moyens (environ 55 k$ et score 50), le groupe central.
- Premium : revenu et dépense élevés (environ 87 k$ et score 82).
- Dépensiers à petit budget : revenu faible, dépense élevée (environ 26 k$ et score 79).
- Potentiel inexploité : revenu élevé, dépense faible (environ 88 k$ et score 17).
- Prudents : revenu et dépense faibles (environ 26 k$ et score 21).
- Piste : fidéliser les premium et activer le groupe à fort revenu mais faible dépense.