Nice257/TP_Agriculture_IA

Prédiction des récoltes au Burundi streamlit run app.py# Prédiction des Récoltes au Burundi > Projet de Travaux Pratiques — Intelligence Artificielle Appliquée à l'Agriculture > BAC 4 Génie Logiciel — Université Polytechnique de Gitega (UPG) --- ## Description Ce projet utilise des algorithmes de **Machine Learning** pour prédire si une récolte agricole sera **bonne ou mauvaise** au Burundi, en fonction de facteurs mesurables comme la pluviométrie, la température, l'altitude, l'utilisation d'engrais et l'accès à l'irrigation. L'application web permet à n'importe quel utilisateur de saisir les caractéristiques d'une parcelle agricole et d'obtenir en temps réel une prédiction avec sa probabilité. --- ## Objectifs - Analyser et explorer les données agricoles de 15 provinces du Burundi (2015–2023) - Construire et comparer 3 modèles de Machine Learning - Déployer une application web interactive pour la prédiction --- ## Dataset | Caractéristique | Détail | |---|---| | Fichier | `agriculture_burundi.csv` | | Lignes | 1 620 observations | | Colonnes | 14 variables | | Période | 2015 à 2023 | | Provinces | 15 provinces du Burundi | | Cultures | Maïs, Haricot, Manioc, Patate douce, Sorgho, Bananier | | Saisons | A (mars–juin) et B (septembre–décembre) | | Variable cible | `bonne_recolte` (1 = bonne, 0 = mauvaise) | --- ## Modèles entraînés | Modèle | Description | |---|---| | Arbre de Décision | Modèle interprétable avec visualisation des règles | | Forêt Aléatoire | Ensemble de 100 arbres — meilleure robustesse | | Régression Logistique | Modèle linéaire avec interprétation des coefficients | --- ## Structure du projet ``` TP_Agriculture_IA/ │ ├── TP_Agriculture.ipynb # Notebook Jupyter complet (40 cellules) ├── app.py # Application web Streamlit ├── agriculture_burundi.csv # Dataset agricole │ ├── model_arbre.pkl # Modèle Arbre de Décision sauvegardé ├── model_foret.pkl # Modèle Forêt Aléatoire sauvegardé ├── model_regression.pkl # M …