𝐏𝐫𝐞́𝐝𝐢𝐫𝐞 𝐥𝐞 𝐫𝐞𝐧𝐝𝐞𝐦𝐞𝐧𝐭 𝐚𝐠𝐫𝐢𝐜𝐨𝐥𝐞 𝐠𝐫𝐚̂𝐜𝐞 𝐚̀ 𝐥’𝐈𝐧𝐭𝐞𝐥𝐥𝐢𝐠𝐞𝐧𝐜𝐞 𝐀𝐫𝐭𝐢𝐟𝐢𝐜𝐢𝐞𝐥𝐥𝐞 : 𝐋’𝐚𝐩𝐩𝐫𝐨𝐜𝐡𝐞 𝐑𝐚𝐧𝐝𝐨𝐦 𝐅𝐨𝐫𝐞𝐬𝐭
.png)
Le modèle 𝐑𝐚𝐧𝐝𝐨𝐦 𝐅𝐨𝐫𝐞𝐬𝐭, développé à l’aide du package 𝐑𝐚𝐧𝐠𝐞𝐫 sous R, a démontré des 𝐩𝐞𝐫𝐟𝐨𝐫𝐦𝐚𝐧𝐜𝐞𝐬 𝐩𝐫𝐞́𝐝𝐢𝐜𝐭𝐢𝐯𝐞𝐬 𝐞́𝐥𝐞𝐯𝐞́𝐞𝐬 dans l’estimation du rendement agricole. Sur l’échantillon de test, le coefficient de détermination 𝐑² = 𝟎,𝟕𝟓𝟕 indique que 𝟕𝟓,𝟕 % de la variabilité du rendement observé est expliquée par le modèle, traduisant une forte capacité d’anticipation. Les indicateurs d’erreur confirment cette précision : 𝐑𝐌𝐒𝐄 = 𝟐𝟔,𝟏𝟕, 𝐌𝐀𝐄 = 𝟐𝟏,𝟑𝟓 et 𝐁𝐢𝐚𝐢𝐬 = 𝟎,𝟔𝟔, révélant une faible erreur systématique et une bonne proximité entre valeurs prédites et observées. Le graphique comparatif met en évidence une 𝐟𝐨𝐫𝐭𝐞 𝐚𝐬𝐬𝐨𝐜𝐢𝐚𝐭𝐢𝐨𝐧 𝐥𝐢𝐧𝐞́𝐚𝐢𝐫𝐞 entre prévisions et réalités, bien que quelques écarts témoignent de sous-estimations ou surestimations à certains niveaux de production. La robustesse du modèle est confirmée par ses performances sur l’ensemble des échantillons : 𝐑² apprentissage = 𝟎,𝟗𝟕𝟖, ...
.png)