Bases du machine learning · Évaluation de modèles

Validation croisée

Découper les données de plusieurs façons différentes et faire la moyenne des performances, pour qu'un découpage chanceux ou malchanceux ne vous induise pas en erreur.

Commencer une leçon sur Validation croisée

À apprendre d'abord

• Découpage train/test/validation: Réserver des données sur lesquelles le modèle ne s'entraîne jamais, pour vérifier honnêtement comment il se comporte sur des exemples inédits.

Mène à

• Réglage des hyperparamètres: Rechercher systématiquement les réglages (taux d'apprentissage, force de régularisation, profondeur d'arbre) qui ne sont pas appris à partir des données mais choisis avant l'entraînement.

Notions liées

• Réglage des hyperparamètres: Rechercher systématiquement les réglages (taux d'apprentissage, force de régularisation, profondeur d'arbre) qui ne sont pas appris à partir des données mais choisis avant l'entraînement.