Module Technique 16 – Projet Central : Modelisation frequence

1 Application du GLM Poisson au dataset

Application du GLM Poisson au dataset du projet central.

Point cle

Maitriser cet outil est essentiel pour industrialiser le projet central.

---

2 Preparation des donnees : exposition comme

Preparation des donnees : exposition comme offset, encodage des variables, train/test split temporel.

---

3 Modele avec statsmodels : sm.GLM(y, X

Modele avec statsmodels : sm.GLM(y, X, family=Poisson(), offset=log_expo).

---

4 Selection de variables : AIC stepwise

Selection de variables : AIC stepwise, drop1.

---

5 Validation : deviance residuelle, QQ-plot des

Validation : deviance residuelle, QQ-plot des residus de Pearson, lift curve, Gini.

---

Synthese

5.0.1 Les points essentiels

1. Application du GLM Poisson au dataset du projet
2. Preparation des donnees : exposition comme offset, encodage
3. Modele avec statsmodels : sm.GLM(y, X, family=Poisson(), offset=log_expo)
4. Selection de variables : AIC stepwise, drop1
5. Validation : deviance residuelle, QQ-plot des residus de

---

Auto-evaluation

Question 1

Comment appliquer ce concept dans le projet central ?

Question 2

Comment appliquer ce concept dans le projet central ?

Question 3

Comment appliquer ce concept dans le projet central ?

Question 4

Comment appliquer ce concept dans le projet central ?

---

<- Retour a la Semaine 16 Voir la Fiche de travail ->