MACHINE LEARNING · PROJET 04
Projet 16 · Machine Learning
Réseaux neuronaux · Dommages liés aux événements météo
Modèle de classification visant à estimer les dommages économiques liés aux événements météorologiques, en comparant une régression logistique à un réseau neuronal sur les données NOAA Storm Events de 2010 à 2025.
CONTEXTE ET OBJECTIF
Le projet utilise NOAA Storm Events pour classer si un événement météorologique enregistre des dommages économiques. La comparaison entre régression logistique et réseau neuronal permet de tester si un modèle non linéaire améliore la détection tout en conservant une référence interprétable.
DONNÉES ET DIAGNOSTIC
Le jeu de données réunit 1 037 691 événements de 2010 à 2025 et utilise 19 variables temporelles, géographiques et météorologiques. L’évaluation respecte la chronologie : 2010–2021 pour l’entraînement, 2022–2023 pour la validation et 2024–2025 comme test final réservé.
LIVRABLE ET ENSEIGNEMENTS
Sur le test 2024–2025, le réseau neuronal améliore les résultats de la régression logistique en ROC AUC (0,9324 contre 0,8961), PR AUC (0,8004 contre 0,6691) et F1 de la classe positive (0,6991 contre 0,6042). Les résultats sont préliminaires car le projet est encore en cours.