Travail Pratique de Datamining - Prédiction de la Satisfaction des Employés

Ce projet de Datamining vise à prédire la satisfaction des employés à partir de leurs données personnelles et professionnelles en utilisant des techniques de machine learning. L'objectif principal est de prédire si un employé est satisfait ou non satisfait en fonction de diverses caractéristiques.

Fonctionnalités

• Chargement des données : Téléchargement des données au format Excel et affichage des premières lignes du fichier.
• Nettoyage des données : Préparation des données brutes, gestion des valeurs manquantes et transformation des variables.
• Analyse exploratoire des données (EDA) : Visualisation des distributions, matrices de corrélation et des relations entre les variables.
• Modélisation prédictive : Utilisation d'un modèle de classification binaire Random Forest pour prédire la satisfaction des employés.
• Réduction de dimension : Application de PCA pour réduire la dimensionnalité et optimiser les performances du modèle.
• Application interactive : Interface interactive avec Streamlit permettant :
  • Le chargement des données.
  • L'affichage des résultats d'analyse.
  • La prédiction de la satisfaction sur de nouvelles données.

Technologies Utilisées

• Python : Langage principal utilisé pour le projet.
• Pandas : Manipulation et nettoyage des données.
• Scikit-learn : Modélisation et prétraitement des données.
• Matplotlib & Seaborn : Visualisation des données.
• Streamlit : Création de l'application web interactive pour l'interface utilisateur.

Prérequis

• Python 3.7+
• Les bibliothèques suivantes doivent être installées :
  • pandas
  • numpy
  • matplotlib
  • seaborn
  • scikit-learn
  • streamlit

Installation

1. Clonez ce dépôt :

   git clone https://github.com/BaldoM/tp-datamining.git
   cd tp-datamining