Quels facteurs influencent vraiment le rendement d’un panneau solaire ? Ce projet part d’une analyse uni- et bi-variée, complétée par une ACP (analyse en composantes principales), pour identifier les caractéristiques les plus déterminantes — notamment le nombre de points chauds et la température moyenne du panneau.
À partir de là, plusieurs modèles de régression sont comparés pour prédire le rendement. Le meilleur résultat est obtenu avec une régression à vecteurs de support (SVR) :
Outils
- Pandas / NumPy — préparation des données
- Seaborn / Plotly — visualisation et analyse exploratoire
- Scikit-learn — modélisation et comparaison (dont SVR)