CalineKaody/Probabilit-de-transition-vers-les-nergies-renouvelables-Regression-logistique_Madagascar

Logistic regression model predicting Madagascar's transition to renewable energy using economic and environmental indicators. # Probabilité de transition vers les énergies renouvelables — Régression Logistique ## 📌 Description Ce projet utilise un modèle de régression logistique en Python pour estimer la probabilité de transition vers les énergies renouvelables à Madagascar et dans plusieurs pays africains comparables. Le modèle analyse différents indicateurs économiques et environnementaux : - PIB par habitant - Part des énergies fossiles - Émissions de CO₂ par habitant L’objectif est de prédire si un pays est engagé ou non dans une transition énergétique selon un seuil de 50% d’électricité renouvelable. --- ## 🧠 Concepts utilisés ### Mathématiques - Régression logistique - Fonction sigmoïde - Probabilités - Normalisation des données ### Informatique / Data Science - Python - Machine Learning - Visualisation de données - Analyse statistique --- ## 🛠️ Technologies utilisées - Python - Pandas - NumPy - Matplotlib - Seaborn - Scikit-learn --- ## 📂 Structure du projet ```bash regression_logistique_madagascar.py resultats_regression_logistique.png resultats_regression_logistique.pdf matrice_confusion.png README.md ``` --- ## ▶️ Exécution du projet ### 1. Installer les dépendances ```bash pip install pandas matplotlib scikit-learn numpy seaborn ``` ### 2. Lancer le programme ```bash python regression_logistique_madagascar.py ``` --- ## 📊 Résultats obtenus Le modèle calcule automatiquement les coefficients de régression : - A → PIB par habitant - B → Part fossile - C → CO₂ par habitant ### Résultats pour Madagascar 🇲🇬 - Probabilité de transition en 2020 : **39.9%** - Probabilité estimée en 2030 : **83.5%** ### Performance du modèle - Précision globale : **90.9%** --- ## 📈 Visualisations générées Le programme génère automatiquement : - Graphiques statistiques - Courbe ROC - Matrice de confusion - Comparaison Madagascar 2020 vs 2030 --- ## 🌍 Sources des données - Our World in Data - Banque Mondiale - IRENA --- ## 👤 Câline Projet réalisé dans le cadre d’une étude …