Modélisation comparative de la COVID-19
Préparation des données, régression polynomiale et modèle de Lotka-Volterra sur cinq pays, évalués par R², RMSE et MAE, et lus avec leurs limites.
- Rôle
- Projet étudiant, INP-HB
- Période
- Mars 2025
- Statut
- Académique
- Contexte
- Sénégal, Côte d'Ivoire, Burkina Faso, France, États-Unis · janv. 2020 à déc. 2021
Chiffres d'ingénierie
- 3 550observations analysées
- 3 to 8degrés polynomiaux comparés par pays
- 1,01 to 2,52 %taux de létalité selon les pays
01Pipeline et traitements
- Nettoyage et correction des incohérences avec pandas.
- Régression polynomiale des cas cumulés (degrés 3 à 8, scikit-learn), meilleur degré retenu par pays selon le R².
- Un modèle proie-prédateur de Lotka-Volterra adapté à la dynamique infectieuse.
- Évaluation par R², RMSE et MAE.
02Technologies
- Python
- pandas
- scikit-learn
- Matplotlib
- Seaborn
- Plotly
- Jupyter
03Résultats et livrables
- Des dynamiques plus progressives dans les pays africains étudiés que les vagues plus marquées observées en France et aux États-Unis.
- Comparaison des taux de létalité entre pays.
04Limites
- Ajustement exploratoire de courbes sur des cas cumulés, et non un modèle de prévision validé.
- Les degrés élevés ajustent bien la période observée mais surajustent et extrapolent mal ; un R² élevé sur une série cumulée est attendu et dit peu de chose du pouvoir prédictif.
- Les cas déclarés dépendent des capacités de dépistage de chaque pays, ce qui limite la comparaison.