KNN / 08 · EXERCICE
Comparer régression linéaire et KNN
La comparaison ajoute LinearRegression aux trois variantes KNN, avec les mêmes caractéristiques et les mêmes plis.
La moyenne des RMSE sert à comparer ; leur dispersion renseigne sur la variabilité entre plis. Une faible différence mérite de la prudence. Le meilleur modèle dépend du dataset et du protocole, pas d’un classement universel.
Exemple expliqué
- 1
modeles["Régression linéaire"] = LinearRegression()Ajout d’un modèle global aux modèles locaux.
- 2
resultats.sort_values("RMSE moyenne")Plus la RMSE est basse, plus l’erreur quadratique est faible sur les validations.
- 3
X_final, y_finalCes objets ne sont pas utilisés pour choisir le modèle. Le test final vient après la comparaison.
- 4
resultats.round(0)Arrondi d’affichage pour lire les prix ; resultats conserve les valeurs non arrondies pour les calculs.
Code à compléter
Créer resultats pour la régression linéaire et les trois KNN, avec les mêmes cinq plis ; afficher le tableau trié par RMSE.
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.