Description du projet
Modèle de machine learning supervisé développé pour analyser et prédire les retards ferroviaires à partir de données historiques de circulation et de conditions météorologiques.
Fonctionnalités principales :
- Nettoyage, normalisation et sélection de variables (feature engineering) avec Pandas et NumPy
- Entraînement et comparaison de modèles de régression (Random Forest, régression linéaire, Gradient Boosting) via Scikit-Learn
- Évaluation des performances prédictives (RMSE, MAE, score R²) et analyse des corrélations
Technologies utilisées
Python
Pandas
NumPy
Scikit-Learn
Machine Learning
Liens