Validation croisée

Validation de modèles en Python

Kasey Jones

Data Scientist

Validation croisée

Créer des ensembles d'entraînement, de validation et de test consiste à scinder vos données en 3 sous-ensembles. Par exemple : 60 % pour l'entraînement, 20 % pour la validation et 20 % pour le test.

Validation croisée

La validation croisée exige de faire plusieurs découpages entraînement/validation, pas un seul 80:20. On peut, par exemple, utiliser 5 découpages 80:20 différents.

n_splits : nombre de divisions de validation croisée

shuffle : booléen indiquant de mélanger les données avant la division

random_state : graine aléatoire

from sklearn.model_selection import KFold

X = np.array(range(40))
y = np.array([0] * 20 + [1] * 20)

kf = KFold(n_splits=5)

splits = kf.split(X)

kf = KFold(n_splits=5)
splits = kf.split(X)

for train_index, test_index in splits:
    print(len(train_index), len(test_index))

32 8 32 8 32 8 32 8 32 8

# Afficher un des ensembles d'indices :
print(train_index, test_index)

[ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20 ...]
[32 33 34 35 36 37 38 39]

rfr = RandomForestRegressor(n_estimators=25, random_state=1111)

errors = []
for train_index, val_index in splits:
    X_train, y_train = X[train_index], y[train_index]
    X_val, y_val = X[val_index], y[val_index]

    rfr.fit(X_train, y_train)
    predictions = rfr.predict(X_val)
    errors.append(<some_accuracy_metric>)

print(np.mean(errors))

4.25

Passons à la pratique !

Validation de modèles en Python