PASCAL YIM / apprendreKNN et normalisation

KNN / 10 · EXPLICATION

Un protocole de comparaison cohérent

La qualité d’un modèle s’évalue avec des données, des métriques et une séparation adaptées à son usage.

FONCTIONNEMENT

La régression linéaire ajuste une relation globale ; les polynômes enrichissent les caractéristiques ; KNN utilise un voisinage local. Le protocole doit rester identique pour attribuer une différence aux modèles.

À retenir

  1. 01

    Définir la cible, les caractéristiques et les unités ; exclure toute information indisponible à la prédiction.

  2. 02

    Réserver le test final, puis comparer sur le développement avec les mêmes plis et la même métrique.

  3. 03

    Apprendre les transformations dans chaque pli, au moyen d’un Pipeline.

  4. 04

    Examiner la moyenne, la dispersion, les erreurs importantes et les limites d’extrapolation.

  5. 05

    Fixer le modèle avant l’évaluation finale ; documenter les graines et les transformations pour reproduire les résultats.

Les slides d’explication ne donnent pas lieu à une validation de code.

Parcours · chapitres

Voisins, scalers, pipelines et comparaison sur les maisons.

01 / Rappels de Python

02 / Classes et objets en Python

03 / Pandas et DataFrames

04 / Régression linéaire et métriques

05 / Régressions multiple et polynomiale

06 / Évaluer les modèles

07 / KNN et normalisation

Quiz de synthèse · 24 questions →Rejoindre une session →