Ce projet a été réalisé en binôme . Il consiste en la création et le déploiement d'une application web R Shiny, permettant :
- de charger et prétraiter tout type de jeu de données,
- de réaliser des analyses exploratoires,
- de former et comparer des modèles de classification supervisée.
Lien vers l'application : BaseApp - Shiny App
Nous avons appliqué l'application sur un jeu de données d'attrition des employés d'IBM.
- Dimensions : 1470 lignes, 13 colonnes.
- Valeurs manquantes : Aucune détectée.
- Outliers : Correction de 270 outliers sur les colonnes numériques pour améliorer la qualité des modèles.
La variable cible Attrition était déséquilibrée (Yes ≈ 300 vs No ≈ 1200).
Des méthodes d'équilibrage ont été intégrées :
- Data Level : Random Under-Sampling, Random Over-Sampling.
- Algorithm Level : Cost-Sensitive Learning, One-Class Learning.
Le Random Under-Sampling s'est révélé le plus performant pour ce cas.
- Heatmap de corrélations : Identification des dépendances entre variables.
- Analyse univariée : Étude des distributions des variables numériques et catégorielles.
- Analyse bivariée : Étude de la relation entre les variables (numérique-numérique, catégorique-catégorique).
- L'âge est un facteur discriminant de l'attrition.
- Le département est significativement associé à l'attrition (p-value = 0.0045).
- Le niveau d'éducation n'est pas significativement associé.
Nous avons comparé plusieurs algorithmes :
| Modèle Comparé | Meilleur modèle sélectionné |
|---|---|
| Random Forest vs Decision Tree | Decision Tree |
| Decision Tree vs KNN | KNN |
| KNN vs Logistic Regression | Logistic Regression |
| Logistic Regression vs SVM | Logistic Regression |
Conclusion :
La régression logistique a fourni les meilleurs résultats sur ce jeu de données, en termes de précision, rappel, accuracy et courbe ROC.
- Langage : R
- Framework : Shiny
- Libraries : caret, ggplot2, dplyr, shinythemes, etc.