Aller au contenu
Tchomtchi Kamgang Daniel Merlys
EN

03Data Lab

Data Lab

Expérimentations de Machine Learning et analyses de données, publiées avec leur code et leurs limites.

  1. Expérimentation

    Détection de fraude sur cartes bancaires

    Exploration d'un jeu de transactions extrêmement déséquilibré, comparaison de techniques de rééquilibrage et de modèles de classification pour détecter la fraude.

    • Six techniques de rééquilibrage : SMOTE, ADASYN, sur-échantillonnage, sous-échantillonnage, SMOTETomek et SMOTEENN.
    • Trois modèles comparés : régression logistique, forêt aléatoire et gradient boosting.
    • Évaluation adaptée au déséquilibre : précision, rappel, F1, ROC-AUC, précision moyenne et courbe précision-rappel, avec une interprétation en langage clair.

    LimiteL'échantillon fourni dans le dépôt est trop petit pour conclure : c'est un projet pédagogique, pas un système de détection en production.

    Python · scikit-learn · imbalanced-learn · pandas · Plotly · Streamlit

    Voir le code

  2. Analyse

    Prédiction du revenu à partir du recensement américain

    Prédire si un revenu dépasse 50 000 USD : exploration des données, entraînement et comparaison de six modèles, puis prédiction à partir d'un formulaire.

    • Six modèles comparés : k plus proches voisins, arbre de décision, forêt aléatoire, gradient boosting, régression logistique et SVM.
    • Variables standardisées, taille du jeu de test et graine aléatoire paramétrables, matrice de confusion du meilleur modèle.
    • Le meilleur modèle est sauvegardé puis rechargé pour la prédiction, avec un modèle de repli si le fichier est absent.

    LimiteSeules les variables numériques sont utilisées ; les variables catégorielles restent à intégrer.

    Python · scikit-learn · pandas · joblib · Matplotlib · Streamlit

    Voir le code

  3. Expérimentation

    Score de risque de dépression chez les étudiants

    Application Streamlit qui estime un score de risque de 0 à 100 % à partir de facteurs de mode de vie et de parcours académique, avec une forêt aléatoire.

    • Forêt aléatoire dans un pipeline scikit-learn, hyperparamètres documentés.
    • Jauge de risque à trois niveaux et graphique radar comparant un profil aux moyennes du jeu de données.
    • Dépendances figées pour recharger le modèle sauvegardé sans incompatibilité de version.

    LimiteProjet de cours de Machine Learning, entraîné sur des données d'enquête : ce n'est pas un outil médical.

    Python · scikit-learn · pandas · Streamlit · Matplotlib · seaborn

    Voir le code