ÉVALUATION / 04 · EXERCICE
Pourquoi le résultat change-t-il ?
Sans random_state, une nouvelle exécution produit généralement une autre séparation.
Le modèle voit d’autres observations d’entraînement et le test contient d’autres cas faciles ou difficiles. Les coefficients et le score peuvent donc changer. LinearRegression est ici déterministe pour des données fixées : la variabilité vient du découpage.
Exemple expliqué
- 1
train_test_split(X, y, test_size=0.2)Tirage non fixé. Plusieurs exécutions permettent d’observer la variabilité.
- 2
print(X_test.index[:5].tolist())Les index du test permettent de constater le changement des observations.
- 3
random_state=42Une graine fixe rend le résultat reproductible ; choisir la graine donnant le meilleur score serait une sélection biaisée.
Code à compléter
Faire un découpage sans random_state, ajuster model, afficher les premiers index test et la RMSE. Une seconde exécution permet de comparer.
Saisie autonome · crédit complet après réussite
Le résultat apparaîtra ici.
Session Python
Les variables restent disponibles entre les pages. Un rechargement efface les variables ; le code et l’utilisation de l’aide restent enregistrés dans cet onglet.