Programme Leçon 93 sur 250 · Tes premiers modèles de machine learning
Tes premiers modèles de machine learning

Régression sur des données bruitées

Dans une leçon précédente, tu as ajusté une droite sur des données qui formaient une droite parfaite (y = 2x) et l'erreur est tombée à zéro. C'était agréable, mais c'était une sorte de mensonge : les vraies données ne sont jamais une droite propre. Les capteurs tremblent, les gens se comportent de façon imprévisible, les mesures sont arrondies. La version honnête de la régression, c'est ajuster une droite à travers un nuage de points qui ne suit une tendance qu'à peu près, puis dire de combien tu te trompes encore. Cette leçon t'apprend à lire ces chiffres d'erreur sans broncher.

Fabriquer des données réalistes

On part d'une vraie relation, y = 3x + 7, puis on ajoute du bruit gaussien -> de petites oscillations aléatoires tirées d'une courbe en cloche -> pour qu'aucun point ne tombe pile sur la droite :

rng = np.random.RandomState(42)
x = np.linspace(0, 10, 200)
noise = rng.normal(0, 2.0, size=x.shape)   # mean 0, spread 2.0
y = 3 * x + 7 + noise
X = x.reshape(-1, 1)                        # sklearn wants 2-D features

La graine fixe veut dire que tout le monde tire le même bruit, donc les chiffres ci-dessous sont reproductibles et vérifiables. Le modèle ne voit jamais la vraie pente de 3 ni l'ordonnée à l'origine de 7 ; son travail est de les retrouver à partir des points bruités.

Ajuster, prédire et mesurer honnêtement

Même rituel que d'habitude, mais on note sur un jeu de test mis de côté :

from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_absolute_error, r2_score

X_train, X_test, y_train, y_test = train_test_split(
    X, y, test_size=0.2, random_state=0)
model = LinearRegression().fit(X_train, y_train)
preds = model.predict(X_test)
mae = mean_absolute_error(y_test, preds)
r2  = r2_score(y_test, preds)

Ce que veulent dire les chiffres

  • La droite retrouvée. model.coef_[0] sort proche de 3 et model.intercept_ proche de 7. Le modèle a déterré la vraie tendance sous le bruit, mais pas parfaitement : il tombe près, pas pile.
  • La MAE n'est plus nulle. Ici elle vaut environ 1.8, donc une prédiction typique rate la vraie valeur d'environ 1.8 dans les unités de y. Ce n'est pas un bug. Avec un bruit d'écart 2.0 intégré, une certaine erreur est inévitable -> une MAE positive est le prix honnête des vraies données. Compare avec la droite parfaite de tout à l'heure, où la MAE valait ~0 par construction.
  • Le R carré reste sous 1. r2_score mesure la part de la variation que le modèle explique : 1.0 est parfait, 0 ne fait pas mieux que deviner la moyenne. Ici il tourne autour de 0.95 -> haut, car il y a un fort signal linéaire, mais strictement sous 1.0, car le bruit ne peut jamais être expliqué. Un R carré d'exactement 1.0 sur de vraies données est un signal d'alarme, en général le signe que tu as testé par erreur sur les données d'entraînement.
  • Les résidus te disent si l'écart est équitable. Un résidu vaut actual - predicted pour un point. Leur moyenne devrait être proche de 0 : ça veut dire que le modèle ne vise pas systématiquement trop haut ou trop bas, il se disperse juste au-dessus et en dessous de la droite comme le ferait un bruit symétrique. Une moyenne des résidus loin de 0 indiquerait un modèle biaisé.

Le livrable ici est donc un ensemble de chiffres honnêtes, pas un zéro magique. Appuie sur Run pour ajuster la droite et afficher la pente retrouvée, la MAE, le R carré et la moyenne des résidus.

À ton tour

Construis des données bruitées à partir de y = 3x + 7 plus un bruit gaussien (rng = np.random.RandomState(42), x = np.linspace(0, 10, 200), noise = rng.normal(0, 2.0, size=x.shape), X = x.reshape(-1, 1)). Découpe avec train_test_split(X, y, test_size=0.2, random_state=0), ajuste une LinearRegression nommée model, prédis sur le jeu de test, puis range mae (erreur absolue moyenne), r2 (r2_score) et resid_mean (la moyenne de y_test - preds) sous forme de floats.

Tu as repéré un problème dans cette leçon ? Signale-le · Pose une question sur cette leçon

Cet exercice s'ouvre bientôt

Termine la leçon précédente pour débloquer celle-ci. Tout le cours est gratuit, aucun compte n'est requis, et tu peux lire cette leçon dès maintenant.