# Modélisation de la consommation d'énergie renouvelable en France

Le modèle prend en compte les variables suivantes : 
  Temps : les années d'étude de la consommation (axe x)
  All_Fossil : somme des énergies fossilles consommées par année
  GDP_per_cap : PBI par année   
  Pourcentage : Score du parti écologique lors des élections présidentielles

L'objectif est de prédire la consommation dans les années à venir. 

- ** Developed by: GEM_Groupe1 
- ** Model type: Regression
- ** Language(s): Python 

### Model Sources

- **Repository: model_factory/groupe1

## Uses

Prédiction de la consommation des énergies renouvelables dans un avenir proche. 


## Bias, Risks, and Limitations

L'algorithme utilise les résultats des votes des présentielles en France, néanmoins en 2017 il n'y avait pas de parti écologique donc il y a un risque avec ces données.

## Training Details

### Training Data

Les données d'entrées doivent être sous forme numérique.

### Training Procedure 

La fonction utilisée est : sm.OLS.from_formula 
Le modèle est donc fit sur une formule quadratique.

## Evaluation

Grace au summary, il est possible de connaitre la p-value et le R^2, qui sont des valeurs permettant l'évaluation du modèle. 

### Results

Le R^2 est de 0.671, ce qui veut dire que l'évolution de la consommation d'énergies renouvebles est expliqué à 67% par nos paramètres choisis en entrée du train. 
Il est intéressant de noter que les votes pour le parti écologique sont à contre courant de l'évolution de la consommation.