ÉVALUATION / 03 · EXERCICE
train_test_split synchronise la séparation
scikit-learn sépare plusieurs objets ensemble en conservant la correspondance entre chaque ligne de X et sa cible y.
random_state fixe le tirage pour pouvoir reproduire l’expérience. Il n’améliore pas le modèle. Le score est calculé avec y_test, jamais avec y_train face à des prédictions de test.
Exemple expliqué
- 1
X_train, X_test, y_train, y_test = train_test_split( X, y, test_size=0.2, random_state=42)Quatre objets, dans cet ordre. Par défaut les lignes sont mélangées.
- 2
model.fit(X_train, y_train) y_hat = model.predict(X_test)L’apprentissage et la prédiction utilisent des ensembles distincts.
- 3
rmse = root_mean_squared_error(y_test, y_hat)Comparaison des valeurs réelles et prédites pour les seules lignes de test.
Code à compléter
Séparer Abalone en 80/20 avec random_state=42, ajuster model sur le train et afficher la RMSE du test.
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.