← Retour aux projets
ML15 octobre 2024

MLPC - Prédiction du PIB

Modèle de prédiction du PIB et PIB par habitant pour une meilleure prise de décision économique

PythonScikit-learnPandasNumPyMatplotlibSeaborn

📊 Vue d'ensemble

Projet développé dans le cadre de la Machine Learning Project Competition (MLPC) organisée par la Cell AI ENSPY. L'objectif était de créer un modèle prédictif robuste pour estimer le PIB et le PIB par habitant d'un pays, permettant ainsi une meilleure prise de décision économique.

🎯 Objectifs du Projet

Objectifs Principaux

  1. Prédire le PIB d'un pays basé sur des indicateurs économiques
  2. Prédire le PIB par habitant pour évaluer le niveau de vie
  3. Identifier les facteurs les plus influents sur la croissance économique
  4. Fournir des insights actionnables pour les décideurs

Objectifs Techniques

  • Expérimenter avec plusieurs algorithmes de ML
  • Optimiser les hyperparamètres
  • Gérer des données économiques réelles (parfois incomplètes)
  • Créer des visualisations pertinentes

📁 Données Utilisées

Sources

  • Banque Mondiale (World Bank Open Data)
  • FMI (Fonds Monétaire International)
  • OCDE (Organisation de Coopération et de Développement Économiques)

Features Principales

Indicateurs Économiques:

  • Investissement (% du PIB)
  • Épargne nationale brute
  • Balance commerciale
  • Inflation
  • Dette publique

Indicateurs Démographiques:

  • Population totale
  • Croissance démographique
  • Urbanisation
  • Espérance de vie

Indicateurs Sociaux:

  • Taux d'alphabétisation
  • Accès à l'électricité
  • Dépenses en éducation
  • Dépenses en santé

Indicateurs Structurels:

  • Agriculture (% du PIB)
  • Industrie (% du PIB)
  • Services (% du PIB)
  • Exportations de haute technologie

Prétraitement des Données

# Gestion des valeurs manquantes
df_filled = df.fillna(df.median())

# Normalisation
from sklearn.preprocessing import StandardScaler
scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)

# Feature engineering
df['PIB_growth'] = df.groupby('Country')['PIB'].pct_change()
df['Population_density'] = df['Population'] / df['Area']

🧪 Approche Méthodologique

1. Exploration des Données (EDA)

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

# Analyse des corrélations
corr_matrix = df.corr()
plt.figure(figsize=(12, 10))
sns.heatmap(corr_matrix, annot=True, cmap='coolwarm')

Insights clés:

  • Forte corrélation entre industrialisation et PIB
  • Corrélation négative entre agriculture et PIB/habitant
  • Éducation fortement liée au PIB/habitant

2. Sélection de Features

Techniques utilisées:

  • Corrélation analysis
  • Feature importance (Random Forest)
  • Recursive Feature Elimination (RFE)

Top 10 features identifiées:

  1. Investissement (% du PIB)
  2. Industrie (% du PIB)
  3. Accès à l'électricité
  4. Exportations
  5. Urbanisation
  6. Taux d'alphabétisation
  7. Espérance de vie
  8. Services (% du PIB)
  9. Balance commerciale
  10. Dépenses en R&D

3. Modèles Testés

| Modèle | R² Score | RMSE | MAE | |--------|----------|------|-----| | Linear Regression | 0.72 | 2.8e11 | 1.9e11 | | Ridge Regression | 0.74 | 2.6e11 | 1.8e11 | | Random Forest | 0.86 | 1.9e11 | 1.3e11 | | Gradient Boosting | 0.88 | 1.7e11 | 1.2e11 | | XGBoost | 0.91 | 1.5e11 | 1.0e11 |

Modèle retenu: XGBoost pour sa performance supérieure

4. Optimisation des Hyperparamètres

from sklearn.model_selection import GridSearchCV
import xgboost as xgb

param_grid = {
    'max_depth': [3, 5, 7, 9],
    'learning_rate': [0.01, 0.05, 0.1],
    'n_estimators': [100, 200, 300],
    'subsample': [0.7, 0.8, 0.9]
}

xgb_model = xgb.XGBRegressor()
grid_search = GridSearchCV(xgb_model, param_grid, cv=5,
                          scoring='neg_mean_squared_error')
grid_search.fit(X_train, y_train)

# Meilleurs paramètres
print(grid_search.best_params_)

📈 Résultats

Performance du Modèle Final

Métriques (Test Set):

  • R² Score: 0.91 (excellent fit)
  • RMSE: 1.5e11 USD
  • MAE: 1.0e11 USD
  • MAPE: 12.3%

Visualisations

1. Prédictions vs Valeurs Réelles

plt.figure(figsize=(10, 6))
plt.scatter(y_test, y_pred, alpha=0.5)
plt.plot([y_test.min(), y_test.max()],
         [y_test.min(), y_test.max()], 'r--', lw=2)
plt.xlabel('PIB Réel')
plt.ylabel('PIB Prédit')
plt.title('Prédictions vs Valeurs Réelles')

2. Feature Importances

  • Investissement: 18%
  • Industrie: 15%
  • Exportations: 12%
  • Éducation: 10%
  • Autres: 45%

Insights Économiques

  1. L'investissement est crucial: 1% d'augmentation → ~0.8% de croissance PIB
  2. Industrialisation motrice: Les pays industrialisés ont un PIB/habitant 3x plus élevé
  3. Éducation = développement: Forte corrélation (0.72) entre alphabétisation et PIB/hab
  4. Diversification économique: Les économies diversifiées sont plus résilientes

💡 Applications Pratiques

Pour les Décideurs Politiques

  • Prioriser les investissements dans l'éducation
  • Encourager l'industrialisation
  • Diversifier l'économie
  • Améliorer l'infrastructure (électricité)

Pour les Investisseurs

  • Identifier les marchés émergents prometteurs
  • Évaluer le potentiel de croissance
  • Optimiser l'allocation d'actifs

Pour les Chercheurs

  • Modèle de base pour études économiques
  • Framework pour analyses comparatives
  • Outil de simulation de politiques

🔧 Architecture Technique

Projet MLPC
│
├── data/
│   ├── raw/                 # Données brutes
│   ├── processed/           # Données nettoyées
│   └── features/            # Features engineerées
│
├── notebooks/
│   ├── 01_EDA.ipynb        # Exploration
│   ├── 02_Modeling.ipynb   # Modélisation
│   └── 03_Results.ipynb    # Résultats
│
├── src/
│   ├── data_processing.py  # Prétraitement
│   ├── feature_engineering.py
│   ├── modeling.py         # Modèles
│   └── visualization.py    # Viz
│
├── models/
│   └── xgb_pib_model.pkl   # Modèle sauvegardé
│
└── requirements.txt

🏆 Compétition AI Cell ENSPY

Critères d'Évaluation

  • Précision du modèle (40%)
  • Qualité du code (20%)
  • Insights économiques (20%)
  • Présentation (20%)

Classement

Position au top 3 de la compétition parmi 25+ équipes

Présentation

  • Demo en direct du modèle
  • Explication des choix techniques
  • Discussion des implications économiques
  • Q&A avec le jury

📚 Apprentissages

Techniques

  • Maîtrise de XGBoost pour la régression
  • Feature engineering créatif
  • Gestion de données économiques complexes
  • Validation robuste de modèles

Business

  • Compréhension des indicateurs macro-économiques
  • Liens entre features et croissance économique
  • Communication de résultats techniques à non-experts

🚀 Améliorations Futures

  • [ ] Intégrer des données temporelles (séries chronologiques)
  • [ ] Ajouter des features géopolitiques
  • [ ] Développer une API REST pour déploiement
  • [ ] Dashboard interactif (Streamlit/Dash)
  • [ ] Prédictions à horizon variable (1 an, 5 ans, 10 ans)
  • [ ] Analyse de sensibilité plus poussée

📦 Code et Déploiement

# Utilisation du modèle
import pickle

# Charger le modèle
with open('models/xgb_pib_model.pkl', 'rb') as f:
    model = pickle.load(f)

# Prédiction
new_data = [[...]]  # Nouvelles features
prediction = model.predict(new_data)
print(f"PIB prédit: {prediction[0]:,.0f} USD")

🔗 Ressources

🎯 Impact

Ce projet démontre comment le Machine Learning peut:

  • Éclairer les décisions de politique économique
  • Identifier les leviers de croissance
  • Prévoir les tendances macro-économiques
  • Contribuer au développement durable

Un projet qui allie Data Science et impact socio-économique réel!