You can deploy this model and start earning money today!

josue310/
save-model-tta

joblib

marcheflow-ci

prediction-producteurs

tabular-classification

synthetic-data

Views

No views yet

josue310/save-model-tta — Prédiction d'acceptation producteur (MarchéFlow CI, Niveau 3)

⚠️ Données synthétiques

Ce modèle est entraîné sur un dataset entièrement simulé (data/generer_dataset.py + data/DATASET.md dans le dépôt source) : ~50 producteurs fictifs, historique de sollicitations simulé avec bruit gaussien. Aucune donnée réelle de production ou de livraison n'a été utilisée. Ce modèle est fourni à des fins de démonstration et ne doit pas être utilisé pour des décisions réelles sans réentraînement sur des données observées.

Tâche

Classification binaire : étant donné les caractéristiques d'un couple (producteur, produit, nouvelle demande), prédire la probabilité que ce producteur accepte de produire et livre conforme.

Algorithme

random_forest (scikit-learn), sélectionné pour son F1 sur un split 80/20 stratifié parmi GradientBoostingClassifier et RandomForestClassifier.

Métriques (sur le jeu de test synthétique, 20%)

Accuracy : 0.6516
Precision : 0.6502
Recall : 0.7323
F1 : 0.6888
Matrice de confusion : [[100, 78], [53, 145]]

Importance des features

compatibilite_delai : 0.3376
taux_conformite : 0.1648
attractivite_prix : 0.1510
capacite_estimee : 0.1457
taux_acceptation_historique : 0.1093
specialisation_score : 0.0792
compatibilite_zone : 0.0124

Features attendues (dans cet ordre exact)

['specialisation_score', 'capacite_estimee', 'compatibilite_delai', 'compatibilite_zone', 'taux_acceptation_historique', 'taux_conformite', 'attractivite_prix']

Voir app/ml/charger_modele.py::FEATURES dans le dépôt source pour la définition de chaque feature.

Limites d'usage

Données d'entraînement synthétiques : aucune garantie de généralisation à des producteurs réels.
Les tables de référence zone × produit cultivable sont des hypothèses de démo, non validées agronomiquement.
Ne pas utiliser pour des décisions d'engagement contractuel : les prédictions de ce modèle sont des suggestions, pas des engagements ("statut": "suggestion_marche_non_engagee" dans l'API).