Desequilibre dataset modele peu efficace

Bonjour a toute et a tous,

Tres heureux de pouvoir parler aujourd'hui. Je travaille actuellement sur un projet personnel qui peut revolutioner le monde de l'aviation/restauration et ai besoin de votre aide. J'ai un dataset de 63k rangees, avec 7 colonnes (plutot simple) jusque la.

Avec ce dataset, je souhaite creer un modele de prediction de "no-shows', c'est a dire que le client reserve, mais ne vient pas. J'ai verifie que mes 6 characteristiques ( Heure, jour,mois, Type de Client, Visites completes, Taille de la table) sont significants (c'est le cas) et je veux desormais creer un modele de prediction de mes valeurs. Pour cela, j'ai code deux modeles ( regression et foret aleatoire) me donnant des resultats catastrophiques.....

Mon hypothese est le desequilibre de mes donnes. Mes deux valeurs cibles ( 'No-show ou show) autrement dit reservations effectuees ou non sont de tailles differentes. 53k données pour la premiere, contre 6000 pour mes no shows. Sur le papier, plutot simple. 63k rangees, 6 characteristiques significantes... mais des modeles qui patinent... Je suis activement a la recherche d'aide non seulement pour mon code, mais aussi si un esprit mathematique peut deceler des erreurs dans ma methode..


Au plaisir!

AlainP

Bonjour.

Citation:

---

Envoyé par AlainProvist64

Je suis activement a la recherche d'aide non seulement pour mon code[...]

---

Quel est il?
Quelles aides sollicites-tu?

qu'est-ce que tu appelles résultats catastrophiques?

Citation:

---

Envoyé par MPython Alaplancha

Bonjour.

Quel est il?
Quelles aides sollicites-tu?

---

Désolé si j'ai semé la confusion. merci de m'avoir fait confiance et de m'avoir répondu. J'espère que je serai plus clair.

1. j'ai confondu l'industrie aérienne et l'industrie de la restauration. Je travaille sur l'industrie de la restauration, qui est similaire à l'industrie du transport aérien. Pourquoi ? Ces deux secteurs essaient de faire entrer les gens dans un espace défini (avion ou restaurant) et doivent faire face à des « no-shows », autrement dit les clients réservent, mais ne viennent pas. En réaction, les deux secteurs pratiquent la « surréservation » pour minimiser les risques de perdre une place et maximiser les recettes.

2. Mon objectif ici est de créer un modèle de prédiction qui anticipe/prévoit ces « no-shows », en fonction de mes caractéristiques, afin de fixer un niveau optimal de surréservation.
Après une analyse descriptive, j'ai pu rassembler quelques caractéristiques pour analyser mes données.
1. Type de client : Régulier, VIP, Membre
2. Heures d'ouverture : 5 à 6, 6 à 7, 7 à 8, 8 à 9, 9 à 10, 10 à 11, 11+.
3. Visites effectuées : 1, 2, 3....
4. taille de la table : 1,2,3,4... c'est-à-dire combien de personnes ont réservé.
5. Mois : janvier....
6. Jour : Lundi...

Ensuite, deux valeurs cibles : Show ou no show.

Ensuite, beaucoup de questions se posent parce que mon modèle est mauvais pour prédire les absences. Cela vient-il de mes caractéristiques ? Des paramètres de mon modèle ? D'un déséquilibre de l'ensemble des données ?

En conclusion, je souhaiterai avoir de l'aide pour creer ce modele in-fine. Je peux vous partager avec vous mon code, mon data-set etc etc..!

Je serais plus qu'heureux de répondre à vos questions.

Citation:

---

Envoyé par umfred

qu'est-ce que tu appelles résultats catastrophiques?

---

Mon modele a une precision d'environ 20%.....


2. Mon objectif ici est de créer un modèle de prédiction qui anticipe/prévoit ces « no-shows », en fonction de mes caractéristiques, afin de fixer un niveau optimal de surréservation.
Après une analyse descriptive, j'ai pu rassembler quelques caractéristiques pour analyser mes données.
1. Type de client : Régulier, VIP, Membre
2. Heures d'ouverture : 5 à 6, 6 à 7, 7 à 8, 8 à 9, 9 à 10, 10 à 11, 11+.
3. Visites effectuées : 1, 2, 3....
4. taille de la table : 1,2,3,4... c'est-à-dire combien de personnes ont réservé.
5. Mois : janvier....
6. Jour : Lundi...

Ensuite, deux valeurs cibles : Show ou no show.

Ensuite, beaucoup de questions se posent parce que mon modèle est mauvais pour prédire les absences. Cela vient-il de mes caractéristiques ? Des paramètres de mon modèle ? D'un déséquilibre de l'ensemble des données ?

En conclusion, je souhaiterai avoir de l'aide pour creer ce modele in-fine. Je peux vous partager avec vous mon code, mon data-set etc etc..!

Je serais plus qu'heureux de répondre à vos questions.

peut-être que les critères que tu utilises ne sont pas suffisamment discriminant ou que ton jeu d'entrainement n'est pas suffisamment étoffé.