Modélisation du taux de participation des électeurs
Comment utiliser la prédiction pour anticiper des valeurs futures, comme la qualité de l'air de demain à Paris ? Comment faire une estimation ou une prévision du taux moyen de participation des électeurs dans un comté ou une région ?
La prédiction est une composante essentielle de la science des données spatiales. Cet algorithme d'apprentissage automatique supervisé permet d'utiliser des données existantes pour entraîner des modèles utiles à l'analyse prédictive.
Dans cet exercice, la méthode de Forest-based Classification and Regression permet de prédire la participation des électeurs aux États-Unis en testant plusieurs variables (âge médian en 2019, revenu par habitant en 2019, niveau d'éducation — diplôme du lycée ou non, variables de distance, variables catégorielles, variable relative à la compétitivité des élections, etc.).
Ces modèles permettent de mieux comprendre comment différents facteurs peuvent influencer la participation électorale et d'anticiper le niveau d'engagement lors des futures élections. Ils fournissent ainsi des informations précieuses pour la planification des élections, l'allocation des ressources et l'analyse politique.
Technologies utilisées :
SHARE
Créer des applications et cartes pour raconter la donnée et la transformer en leviers d'action