Résumé:
En 2015, l'analyse prédictive ne relève ni de la magie ni de la fiction. Au contraire, cet outil statistique de prévision et de classification se doit d'être au cæur de plusieurs domaines notamment en médecine. Le principe de base est d'utiliser les informations extraites des données relatives au domaine d'étude pour former des prédictions, ce qu'on appelle le machine learning ou l'apprentissage artificiel. Le travail actuel se focalise sur l'application de la régression logistique pour générer un modèle capable de calculer la probabilité de la survenue de l'évènement étudié. L'élaboration d'un modèle de régression logistique passe par deux étapes majeures : l'analyse univariée où la sélection des variables à retenir dans le modèle final sera effectuée en mesurant l'influence de chacune d'elles sur la variable à prédire, et l'analyse multivariée où on étudie l'association entre toutes les variables du modèle. La finalité de cette étude est un outil de calcul de probabilité de déclenchement de l'évènement. Mots clés : Analyse prédictive, analyse des données, régression logistique, apprentissage automatique, machine learning, apprentissage artificiel.
