Programme Leçon 87 sur 250 · Tes premiers modèles de machine learning
Tes premiers modèles de machine learning

Découpage train/test : une mesure honnête

Voici l'habitude la plus importante du machine learning. Si tu entraînes un modèle puis le testes sur les mêmes données, tu n'apprends rien d'utile. Un modèle peut avoir un score parfait juste en mémorisant les réponses qu'il a déjà vues. C'est comme noter un élève sur les questions exactes qu'il a révisées : ça mesure la mémoire, pas la compréhension.

La solution est de garder des données de côté. Tu entraînes sur la plus grande partie, puis tu testes sur des lignes que le modèle n'a jamais vues. La performance en test est ton estimation honnête de ce qu'il donnera sur de vraies données futures.

scikit-learn te donne une fonction pour ça :

from sklearn.model_selection import train_test_split

X_train, X_test, y_train, y_test = train_test_split(
    X, y, test_size=0.2, random_state=0
)

Elle renvoie quatre morceaux, toujours dans cet ordre : caractéristiques d'entraînement, caractéristiques de test, étiquettes d'entraînement, étiquettes de test. Deux arguments comptent :

  • test_size=0.2 garde 20 pour cent pour le test et 80 pour cent pour l'entraînement.
  • random_state=0 fixe le mélange pour que tu obtiennes le même découpage à chaque passage. Sans lui, le découpage est aléatoire à chaque fois, et tes résultats bougeraient sans pouvoir être vérifiés. Dans tout ce cours, passe toujours random_state=0.

À partir de maintenant, une règle stricte : tu peux entraîner sur le jeu d'entraînement, mais tu ne notes jamais que sur le jeu de test. Ne donne jamais un score calculé sur des données vues à l'entraînement.

À ton tour

Les tableaux X (10 lignes, 2 colonnes) et y (10 étiquettes) sont fournis. Utilise train_test_split avec test_size=0.2 et random_state=0 pour obtenir X_train, X_test, y_train, y_test. Puis donne à n_train le nombre de lignes d'entraînement et à n_test le nombre de lignes de test.

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.