Analyse du World Happiness Report
Data science · Régression
Exploration et modélisation des scores de bonheur dans le monde (2015–2019) en fonction de facteurs économiques, sociaux et de santé.
DOMAINEData science · Régression
MÉTHODESPython · pandas · scikit-learn
LIVRABLESCode et analyses
01 / LE CONTEXTE
Problème & approche
Analyse du World Happiness Report 2015–2019 : fusion et standardisation des jeux de données annuels, imputation par la médiane, visualisations (corrélations, nuages de points, cartes mondiales), modèles de régression (linéaire, Ridge, Lasso, Random Forest, Gradient Boosting) évalués par R², RMSE, MAE et validation croisée, et analyse de l’évolution dans le temps.
03 / OUTILS
Technologies et méthodes
Pythonpandasscikit-learnMatplotlibPlotlyRegression
Projet suivantEMA-SENS : application de recherche cognitive