Optimisation bi-critère SVM × NSGA-II

AVC · Cancer du sein · Diabète

Utilisation

Placer le dataset AVC :

data/healthcare-dataset-stroke-data.csv

Télécharger ici : https://www.kaggle.com/datasets/fedesoriano/stroke-prediction-dataset (Si absent, un dataset synthétique équivalent est utilisé automatiquement.)

Lancer les expérimentations :

pip install numpy pandas scikit-learn matplotlib
python run_experiments.py

Durée estimée : 8–15 minutes. Résultats dans results_experiments/.

Structure

├── run_experiments.py          ← Point d'entrée principal
├── src/
│   ├── nsga2.py                ← NSGA-II from scratch
│   ├── svm_evaluator.py        ← Évaluation bi-critère (NFA, NFR)
│   └── visualisation.py        ← Figures dataset AVC seul
├── data/
│   ├── load_stroke.py          ← Chargeur dataset AVC réel + fallback
│   └── generate_dataset.py     ← Générateur synthétique (fallback)
└── experiments/
    ├── datasets.py             ← 3 datasets médicaux
    ├── competitors.py          ← 4 méthodes comparées
    ├── sensitivity_analysis.py ← Analyse N/M
    └── visualisation_experiments.py

Datasets

Dataset	Source	Lien
AVC	Kaggle (fedesoriano)	https://www.kaggle.com/datasets/fedesoriano/stroke-prediction-dataset
Cancer du sein	UCI / sklearn	https://archive.ics.uci.edu/ml/datasets/Breast+Cancer+Wisconsin+(Diagnostic)
Diabète	UCI / Kaggle	https://www.kaggle.com/datasets/uciml/pima-indians-diabetes-database