Etudiant : MAZIGH MOHAMED

Filière : LF Sciences Mathématiques et Applications

Encadrant : Pr. HAMZAOUI HASSANIA

Annèe : 2026

Résumé : Ce travail de fin d'études porte sur l'étude et l'application de deux méthodes fondamentales de la modélisation statistique et du Machine Learning : la régression linéaire multiple et la régression logistique. ​L'objectif principal de ce projet est d'analyser, comparer et mettre en œuvre ces deux approches afin d'expliquer et de prédire des phénomènes complexes à partir de données réelles. ​La Régression Linéaire Multiple : A été utilisée pour analyser les relations entre une variable quantitative continue (dépendante) et plusieurs variables explicatives. Une attention particulière a été accordée à la vérification des hypothèses classiques (normalité des résidus, homoscédasticité, absence de multicolinéarité) ainsi qu'à la sélection des variables les plus significatives. ​La Régression Logistique : A été appliquée pour traiter des problèmes de classification binaire, où la variable cible est catégorielle. Nous avons évalué la performance du modèle à l'aide de métriques clés telles que la courbe ROC, l'AUC, la matrice de confusion et le score d'exactitude (Accuracy). ​Les résultats obtenus montrent l'efficacité de la régression linéaire pour l'estimation de valeurs continues et la puissance de la régression logistique dans la prise de décision et la prédiction de probabilités. Ce travail met en évidence la complémentarité de ces deux outils statistiques dans l'analyse de données modernes.