Prédiction des Troubles de Santé Mentale à partir des Habitudes de Vie : Une Approche par Apprentissage Machine

Details

Supervisors

Vande Kerckhove, Corentin

Faculty

Louvain School of Management

Degree label

Master [120] : ingénieur de gestion, à finalité spécialisée

Abstract

Dans ce mémoire, nous avons exploré comment l'apprentissage machine peut aider à prédire la présence de troubles de santé mentale en se basant sur les habitudes de vie. En utilisant deux bases de données, ULA et ESSAIM, nous avons entraîné et évalué différents modèles, tels que les arbres de décision et les régressions logistiques. Nos résultats ont démontré que ces modèles peuvent prédire efficacement la présence de troubles mentaux, atteignant parfois une précision supérieure à 80%. De plus, nous avons utilisé des méthodes de sélection de caractéristiques et d'explicabilité pour identifier les habitudes de vie ayant le plus d'impact sur ces prédictions. Enfin, nous avons souligné l'importance cruciale de l'explicabilité des modèles, en particulier dans le domaine sensible de la santé mentale. Pour en savoir plus n'hésitez pas à lire notre travail.