# Regression Trees and Random forest based feature selection for malaria risk exposure prediction

**Authors:** Bienvenue Kouwayè  
**arXiv:** [1606.07578](https://arxiv.org/abs/1606.07578)  
**Date:** 2016-06-24  
**Summary page:** https://www.summarizepaper.com/fr/arxiv-id/1606.07578v1/

## Key points

- Prédiction du nombre d'anophèles, principal vecteur du risque de paludisme
- Utilisation de variables environnementales et climatiques
- Méthode d'apprentissage automatique utilisant des arbres de régression et des forêts aléatoires
- Validation croisée stratifiée à deux niveaux pour évaluer l'efficacité du modèle
- Résultats qualitativement meilleurs que la méthode GLM-Lasso en termes de sélection des variables, de prédiction et de temps CPU
- Approche novatrice pour prédire le risque de paludisme en se concentrant sur le nombre d'anophèles
- Utilisation d'arbres de régression et de forêts aléatoires pour identifier les variables les plus importantes dans la prédiction du nombre d'anophèles
- Importance des variables environnementales et climatiques dans la prédiction du nombre d'anophèles
- Amélioration de la précision des prédictions pour mieux comprendre le risque et orienter les efforts de prévention et de contrôle contre le paludisme.

## Summary

Ce document traite de la prédiction du nombre d'anophèles, principal vecteur du risque de paludisme, en utilisant des variables environnementales et climatiques. La sélection des variables est basée sur une méthode d'apprentissage automatique utilisant des arbres de régression et des forêts aléatoires combinées à une validation croisée stratifiée à deux niveaux. Le seuil minimum d'importance des variables est évalué en utilisant la distance quadratique de l'importance des variables, tandis que le sous-ensemble optimal de variables sélectionnées est utilisé pour effectuer les prédictions. Finalement, les résultats se sont révélés qualitativement meilleurs, tant du point de vue de la sélection que de la prédiction et du temps CPU, que ceux obtenus par la méthode GLM-Lasso. Cette recherche offre une approche novatrice pour prédire le risque de paludisme en se concentrant sur le nombre d'anophèles, qui est directement lié à la propagation de cette maladie mortelle. En utilisant des données environnementales et climatiques pertinentes, l'algorithme développé utilise des arbres de régression et des forêts aléatoires pour identifier les variables les plus importantes dans la prédiction du nombre d'anophèles. La méthode proposée utilise également une validation croisée stratifiée à deux niveaux pour évaluer l'efficacité du modèle. Cela garantit que les résultats ne sont pas biaisés par un ensemble spécifique de données ou par un mauvais ajustement du modèle. Les résultats ont montré que cette approche était supérieure à celle obtenue par la méthode GLM-Lasso en termes de sélection des variables, de prédiction et de temps CPU. Cela suggère que l'utilisation d'arbres de régression et de forêts aléatoires combinés à une validation croisée stratifiée peut être une méthode plus efficace pour prédire le risque de paludisme. En conclusion, cette étude démontre l'importance des variables environnementales et climatiques dans la prédiction du nombre d'anophèles et fournit une approche novatrice pour améliorer la précision des prédictions. Ces résultats peuvent avoir des implications significatives dans la lutte contre le paludisme en permettant une meilleure compréhension du risque et en aidant à orienter les efforts de prévention et de contrôle.