Étant donné la localisation d’une exploitation (lat/lon, district) et ses attributs de base, peut-on prédire son chiffre d’affaires annuel ? C’est l’analogue africain du projet de prévision géospatiale de Calgary — même boîte à outils de régression spatiale appliquée à la production agricole sur plusieurs pays africains.
Cas d’usage :
dropna sur (lat, lon, farmsalev). Dans ce sous-ensemble, la colonne district se réduit à une seule valeur (« Unknown »), de sorte que l’OHE district du pipeline actuel ne porte aucun signal. Les features climatiques long terme sont majoritairement imputées à une médiane unique et contribuent peu.Lancer python download_data.py.
farmsalev (chiffre d’affaires annuel) sur le sous-ensemble modélisé| Famille | Modèle |
|---|---|
| Baseline linéaire | OLS sur log-chiffre-d’affaires avec lat/lon + features de taille |
| Baseline géo non-paramétrique | KNeighborsRegressor(n_neighbors=10) |
| Challenger non-linéaire | GradientBoostingRegressor avec lat/lon + features d’exploitation |
(lat, lon) identiques ; le découpage aléatoire laisse le GBM mémoriser des tables de correspondance au niveau village. Conservé dans le carnet uniquement pour rendre la fuite visible.GroupKFold spatial sur cellules 1° lat/lon, 5 folds (honnête) : OLS R² 0,22 ± 0,38 · KNN R² 0,14 ± 0,44 · GBM R² 0,12 ± 0,34. 35 cellules spatiales, médiane 27 obs/cellule. Le R² du GBM s’effondre de 0,66 à 0,12 — les +0,54 du découpage aléatoire étaient de la mémorisation, pas de la généralisation. Toutes les variances inter-fold sont très larges ; le signal honnête sur cellules spatiales inédites est faible.