Généralisation du modèle : bootstrapping et validation croisée

S’entraîner aux questions d’entretien en Machine Learning avec Python

Lisa Stuart

Data Scientist

Aperçu du chapitre 4

Bootstrapping/validation croisée → généralisation du modèle
Classes déséquilibrées
Variables corrélées
Sélection de modèles d'ensemble

Généralisation du modèle

Capacité d'un modèle de ML à bien performer sur des données non vues
- jeu de test
- données futures
Mesures d'entraînement $\approx$ mesures de test
Les modèles surappris ne généralisent pas

Arbre de décision

Tracé d'un arbre de décision

¹ https://medium.com/@rnbrown/creating-and-visualizing-decision-trees-with-python-f8e8fa394176

Nœuds d'un arbre de décision

Nœud racine d'un arbre de décision

Avantages vs inconvénients

Tracé d'un arbre de décision

Avantages :
- Simple à comprendre
- Facile à visualiser
Inconvénients :
- Surapprentissage facile
- Considéré comme glouton
- Biaisé en cas de déséquilibre des classes

Random Forest

¹ https://www.researchgate.net/figure/Random-Forest-visualization_fig11_326560291

Validation croisée k-fold

¹ https://scikit-learn.org/stable/modules/cross_validation.html

Fonctions

# decision tree
`sklearn.tree.DecisionTreeClassifier` 

# random forest 
`sklearn.ensemble.RandomForestClassifier`

# cross-validated grid search
`sklearn.model_selection.GridSearchCV` 

# model accuracy
`sklearn.metrics.accuracy_score`

# train/test split function
`sklearn.model_selection.train_test_split`

# Parameters that gave best results
`cross-val_model.best_params_`

# Mean cross-validated score of 
# estimator with best params 
`cross-val_model.best_score_`

GridSearchCV vs RandomSearchCV

Recherche par grille

Passons à la pratique !

S’entraîner aux questions d’entretien en Machine Learning avec Python