Résultats
Code scikit-learn équivalent
Précision : test et validation croisée
un pli de la validation croisée
moyenne ± écart-type
précision sur le test
Au-delà de la précision
Courbes ROC (test)
Frontières de décision
Un point, tous les modèles
Cliquez sur une des cartes (ou sur un ◆) : chaque modèle donne ses probabilités pour ce point.
Courbes d'apprentissage
La précision selon le nombre d'exemples d'entraînement : le modèle manque-t-il de données ?
Recherche d'hyperparamètres (GridSearchCV)
Importance des variables
Quelles variables chaque modèle utilise-t-il vraiment ? On mélange une variable à la fois sur le test et on mesure la précision perdue.
Fuite de données : les pièges du protocole
Deux erreurs classiques qui gonflent le score annoncé : régler les hyperparamètres en regardant le test, et sélectionner les variables avant la validation croisée.