ÉVALUATION / 01 · EXPLICATION
Apprendre et évaluer sur des données différentes
L’erreur sur les observations utilisées pour ajuster un modèle est généralement optimiste.
Exécution→RésultatL’ensemble d’entraînement sert à apprendre ; l’ensemble de test sert à estimer la performance sur des données non vues. Les lignes de X et les valeurs de y doivent rester associées lors du découpage.
À retenir
- 01
Une répartition 80 % entraînement / 20 % test est un point de départ, pas une règle universelle.
- 02
Les paramètres du modèle sont appris uniquement sur l’entraînement ; les prédictions sont évaluées sur le test.
- 03
Un modèle trop souple peut mémoriser les particularités de l’entraînement : c’est le surapprentissage.
- 04
Après comparaison de plusieurs modèles, un test final resté à l’écart permet une évaluation moins optimiste.
Les slides d’explication ne donnent pas lieu à une validation de code.