{"id":192531,"date":"2023-03-12T19:19:00","date_gmt":"2023-03-12T19:19:00","guid":{"rendered":"https:\/\/datascientest.com\/?p=192531"},"modified":"2023-11-09T13:53:44","modified_gmt":"2023-11-09T13:53:44","slug":"train-test-split-tutoriel","status":"publish","type":"post","link":"https:\/\/datascientest.com\/train-test-split-tutoriel","title":{"rendered":"\u00ab train_test_split \u00bb : Tutoriel d&rsquo;utilisation de cette fonction"},"content":{"rendered":"\t\t<div data-elementor-type=\"wp-post\" data-elementor-id=\"192531\" class=\"elementor elementor-192531\" data-elementor-post-type=\"post\">\n\t\t\t\t\t\t\t<div class=\"elementor-element elementor-element-64d42b6 e-flex e-con-boxed e-con\" data-id=\"64d42b6\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-cab62ec elementor-widget elementor-widget-heading\" data-id=\"cab62ec\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.15.0 - 02-08-2023 *\/\n.elementor-heading-title{padding:0;margin:0;line-height:1}.elementor-widget-heading .elementor-heading-title[class*=elementor-size-]>a{color:inherit;font-size:inherit;line-height:inherit}.elementor-widget-heading .elementor-heading-title.elementor-size-small{font-size:15px}.elementor-widget-heading .elementor-heading-title.elementor-size-medium{font-size:19px}.elementor-widget-heading .elementor-heading-title.elementor-size-large{font-size:29px}.elementor-widget-heading .elementor-heading-title.elementor-size-xl{font-size:39px}.elementor-widget-heading .elementor-heading-title.elementor-size-xxl{font-size:59px}<\/style><h2 class=\"elementor-heading-title elementor-size-default\">Un mod\u00e8le de Machine Learning est capable d\u2019apprendre de fa\u00e7on autonome \u00e0 partir d\u2019un jeu de donn\u00e9es, dans l\u2019objectif de pr\u00e9dire des comportements sur un autre jeu de donn\u00e9es. Pour cela, il trouve des relations sous-jacentes entre des variables explicatives ind\u00e9pendantes et une variable cible dans le dataset initial. Puis il utilise ces patterns pour pr\u00e9dire ou classifier des nouvelles donn\u00e9es. <\/h2>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-ede5d2d e-flex e-con-boxed e-con\" data-id=\"ede5d2d\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-6caba83 elementor-widget elementor-widget-heading\" data-id=\"6caba83\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Comment d\u00e9finir la fonction train_test_split ?<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-93e87f1 elementor-widget elementor-widget-text-editor\" data-id=\"93e87f1\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.15.0 - 02-08-2023 *\/\n.elementor-widget-text-editor.elementor-drop-cap-view-stacked .elementor-drop-cap{background-color:#69727d;color:#fff}.elementor-widget-text-editor.elementor-drop-cap-view-framed .elementor-drop-cap{color:#69727d;border:3px solid;background-color:transparent}.elementor-widget-text-editor:not(.elementor-drop-cap-view-default) .elementor-drop-cap{margin-top:8px}.elementor-widget-text-editor:not(.elementor-drop-cap-view-default) .elementor-drop-cap-letter{width:1em;height:1em}.elementor-widget-text-editor .elementor-drop-cap{float:left;text-align:center;line-height:1;font-size:50px}.elementor-widget-text-editor .elementor-drop-cap-letter{display:inline-block}<\/style>\t\t\t\t<p><span style=\"font-weight: 400;\">Afin de v\u00e9rifier l\u2019efficacit\u00e9 d\u2019un mod\u00e8le de Machine Learning, le jeu de donn\u00e9es initial est divis\u00e9 en deux ensembles : un <\/span><b>training set<\/b><span style=\"font-weight: 400;\"> et un <\/span><b>test set<\/b><span style=\"font-weight: 400;\">. Le training set est utilis\u00e9 pour fit, c\u2019est-\u00e0-dire pour entra\u00eener, le mod\u00e8le sur une partie des donn\u00e9es. Le test set est utilis\u00e9 pour \u00e9valuer les performances de ce mod\u00e8le, sur l\u2019autre partie des donn\u00e9es. La <\/span><b>fonction train_test_split<\/b><span style=\"font-weight: 400;\"> de la biblioth\u00e8que ScikitLearn (sklearn) de Python permet de faire cette s\u00e9paration en deux ensembles.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-aa0b102 elementor-widget elementor-widget-text-editor\" data-id=\"aa0b102\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Avant toute chose, il faut penser \u00e0 importer la fonction train_test_split \u00e0 partir du package model_selection de sklearn en utilisant le code suivant :<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-121fd36 elementor-widget elementor-widget-shortcode\" data-id=\"121fd36\" data-element_type=\"widget\" data-widget_type=\"shortcode.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-shortcode\"><script src=\"https:\/\/gist.github.com\/manongeorget\/53cdea38bb6406ea326f450d6a332b9c.js\"><\/script><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-0a03f4e elementor-widget elementor-widget-text-editor\" data-id=\"0a03f4e\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Une fois import\u00e9e, la fonction prend plusieurs arguments :<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-4e534ba elementor-widget elementor-widget-image\" data-id=\"4e534ba\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.15.0 - 02-08-2023 *\/\n.elementor-widget-image{text-align:center}.elementor-widget-image a{display:inline-block}.elementor-widget-image a img[src$=\".svg\"]{width:48px}.elementor-widget-image img{vertical-align:middle;display:inline-block}<\/style>\t\t\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"1080\" height=\"1920\" src=\"https:\/\/datascientest.com\/wp-content\/uploads\/2023\/03\/train-test-split1.png\" class=\"attachment-full size-full wp-image-192588\" alt=\"\" srcset=\"https:\/\/datascientest.com\/wp-content\/uploads\/2023\/03\/train-test-split1.png 1080w, https:\/\/datascientest.com\/wp-content\/uploads\/2023\/03\/train-test-split1-169x300.png 169w, https:\/\/datascientest.com\/wp-content\/uploads\/2023\/03\/train-test-split1-576x1024.png 576w, https:\/\/datascientest.com\/wp-content\/uploads\/2023\/03\/train-test-split1-768x1365.png 768w, https:\/\/datascientest.com\/wp-content\/uploads\/2023\/03\/train-test-split1-864x1536.png 864w\" sizes=\"(max-width: 1080px) 100vw, 1080px\" \/>\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-b6c921a elementor-widget elementor-widget-heading\" data-id=\"b6c921a\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h4 class=\"elementor-heading-title elementor-size-default\">1) Des arrays extraits du jeu de donn\u00e9es \u00e0 diviser. <\/h4>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-a13556c elementor-widget elementor-widget-text-editor\" data-id=\"a13556c\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">En <a href=\"https:\/\/datascientest.com\/apprentissage-supervise\">apprentissage supervis\u00e9<\/a>, ces arrays sont l\u2019input array X, constitu\u00e9 des variables explicatives en colonnes, et l\u2019output array y, constitu\u00e9 de la variable cible (c\u2019est-\u00e0-dire les labels).\u00a0<\/span><\/p><p><span style=\"font-weight: 400;\">En <a href=\"https:\/\/datascientest.com\/apprentissage-non-supervise\">apprentissage non-supervis\u00e9<\/a>, l\u2019unique array en argument est l\u2019input array X, constitu\u00e9 des variables explicatives en colonnes.<\/span><\/p><blockquote><p><i><span style=\"font-weight: 400;\">Remarque : Faites attention aux dimensions ! X doit \u00eatre un array \u00e0 deux dimensions. y doit \u00eatre un array \u00e0 une dimension \u00e9gale au nombre de lignes de X. Pour cela, n\u2019h\u00e9sitez pas \u00e0 utiliser la fonction .reshape.<\/span><\/i><\/p><\/blockquote>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-d953631 elementor-widget elementor-widget-heading\" data-id=\"d953631\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h4 class=\"elementor-heading-title elementor-size-default\">2) La taille du test set (test_size) et la taille du training set (train_size).<\/h4>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-818ca34 elementor-widget elementor-widget-text-editor\" data-id=\"818ca34\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">La taille de chaque ensemble est soit un nombre d\u00e9cimal compris entre 0 et 1 repr\u00e9sentant une <\/span><b>proportion du jeu de donn\u00e9es<\/b><span style=\"font-weight: 400;\">, soit un nombre entier repr\u00e9sentant un nombre d\u2019exemples du jeu de donn\u00e9es.\u00a0<\/span><\/p><blockquote><p><i><span style=\"font-weight: 400;\">Remarque : Il est suffisant de d\u00e9finir un seul de ces arguments, le deuxi\u00e8me lui \u00e9tant compl\u00e9mentaire.<\/span><\/i><\/p><\/blockquote>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-b2decb5 elementor-widget elementor-widget-heading\" data-id=\"b2decb5\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h4 class=\"elementor-heading-title elementor-size-default\">3) Le random state (random_state).<\/h4>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-de17243 elementor-widget elementor-widget-text-editor\" data-id=\"de17243\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Le <\/span><b>random state<\/b><span style=\"font-weight: 400;\"> est un nombre qui contr\u00f4le la fa\u00e7on dont le g\u00e9n\u00e9rateur pseudo-al\u00e9atoire divise les donn\u00e9es.\u00a0<\/span><\/p><blockquote><p><i><span style=\"font-weight: 400;\">Remarque : Choisir un nombre entier comme random state permet de s\u00e9parer les donn\u00e9es de la m\u00eame mani\u00e8re \u00e0 chaque appel de la fonction. Cela rend donc le code reproductible.<\/span><\/i><\/p><\/blockquote>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-e1e83d6 elementor-widget elementor-widget-heading\" data-id=\"e1e83d6\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h4 class=\"elementor-heading-title elementor-size-default\">4) Le shuffle (shuffle).<\/h4>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-7cbe422 elementor-widget elementor-widget-text-editor\" data-id=\"7cbe422\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Le <\/span><b>shuffle<\/b><span style=\"font-weight: 400;\"> est un bool\u00e9en qui choisit si les donn\u00e9es doivent \u00eatre m\u00e9lang\u00e9es ou non avant d\u2019\u00eatre s\u00e9par\u00e9es. Dans le cas o\u00f9 elles ne sont pas m\u00e9lang\u00e9es, les donn\u00e9es sont donc s\u00e9par\u00e9es en fonction de l\u2019ordre o\u00f9 elles \u00e9taient initialement.<\/span><\/p><blockquote><p><i><span style=\"font-weight: 400;\">Remarque : La valeur par d\u00e9faut est True.<\/span><\/i><\/p><\/blockquote>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-a3796d6 elementor-widget elementor-widget-heading\" data-id=\"a3796d6\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h4 class=\"elementor-heading-title elementor-size-default\">5) Stratify (stratify).<\/h4>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-60f7c13 elementor-widget elementor-widget-text-editor\" data-id=\"60f7c13\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Le param\u00e8tre <\/span><b>Stratify<\/b><span style=\"font-weight: 400;\"> choisit si les donn\u00e9es sont s\u00e9par\u00e9es de fa\u00e7on \u00e0 garder les m\u00eames proportions d\u2019observations dans chaque classe dans les ensembles train et test que dans le dataset initial.<\/span><\/p><blockquote><p><i><span style=\"font-weight: 400;\">Remarques :<\/span><\/i><\/p><ul><li><i><span style=\"font-weight: 400;\">Ce param\u00e8tre est particuli\u00e8rement utile face \u00e0 des donn\u00e9es \u00ab\u00a0unbalanced\u00a0\u00bb avec des proportions tr\u00e8s d\u00e9s\u00e9quilibr\u00e9es entre les diff\u00e9rentes classes.<\/span><\/i><\/li><li><i><span style=\"font-weight: 400;\">La valeur par d\u00e9faut est None.<\/span><\/i><\/li><\/ul><\/blockquote>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-53d43f8 elementor-widget elementor-widget-text-editor\" data-id=\"53d43f8\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">La fonction train_test_split renvoie un nombre d\u2019outputs \u00e9gal au double de son nombre d\u2019inputs, sous forme d\u2019array. Ainsi en apprentissage supervis\u00e9, elle renvoie quatre outputs : X_train, X_test, y_train et y_test. En apprentissage non-supervis\u00e9, elle renvoie deux outputs : X_train et X_test. <\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-f663195 elementor-align-center button-principale elementor-widget elementor-widget-button\" data-id=\"f663195\" data-element_type=\"widget\" data-widget_type=\"button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-button-wrapper\">\n\t\t\t<a class=\"elementor-button elementor-button-link elementor-size-sm elementor-animation-grow\" href=\"https:\/\/datascientest.com\/formation-machine-learning-engineer\">\n\t\t\t\t\t\t<span class=\"elementor-button-content-wrapper\">\n\t\t\t\t\t\t<span class=\"elementor-button-text\">Apprendre \u00e0 utiliser des mod\u00e8les de Machine Laarning<\/span>\n\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-bd38ceb e-flex e-con-boxed e-con\" data-id=\"bd38ceb\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-3819c24 elementor-widget elementor-widget-heading\" data-id=\"3819c24\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Comment \u00e9valuer les performances d\u2019un mod\u00e8le avec la fonction train_test_split ?<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-9ec7df6 elementor-widget elementor-widget-text-editor\" data-id=\"9ec7df6\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Une fois la fonction train_test_split d\u00e9finie, elle renvoie un ensemble train et un ensemble test. Ce splitting des donn\u00e9es permet d\u2019\u00e9valuer un mod\u00e8le de Machine Learning sous deux angles diff\u00e9rents.<\/span><\/p><p><span style=\"font-weight: 400;\">Le mod\u00e8le est entra\u00een\u00e9 sur l\u2019ensemble train renvoy\u00e9 par la fonction. Puis ses capacit\u00e9s pr\u00e9dictives sont \u00e9valu\u00e9es sur l\u2019ensemble test renvoy\u00e9 par la fonction. Plusieurs m\u00e9triques peuvent \u00eatre utilis\u00e9es pour cette \u00e9valuation. Dans le cas d\u2019une <\/span><b>r\u00e9gression lin\u00e9aire<\/b><span style=\"font-weight: 400;\">, le coefficient de d\u00e9termination, la RMSE et la MAE sont privil\u00e9gi\u00e9s. Dans le cas d\u2019une <\/span><b>classification<\/b><span style=\"font-weight: 400;\">, l\u2019accuracy, la pr\u00e9cision, le recall et le F1-score sont privil\u00e9gi\u00e9s. Ces scores sur l\u2019ensemble test permettent donc de d\u00e9terminer si le mod\u00e8le est <\/span><b>performant<\/b><span style=\"font-weight: 400;\"> et \u00e0 quel point il doit \u00eatre am\u00e9lior\u00e9 avant de pouvoir pr\u00e9dire sur un nouveau dataset.<\/span><\/p><p><span style=\"font-weight: 400;\">Les ensembles train et test renvoy\u00e9s par la fonction train_test_split jouent aussi un r\u00f4le essentiel dans la d\u00e9tection <\/span>d\u2019<a href=\"https:\/\/datascientest.com\/overfitting-tout-savoir\" target=\"_blank\" rel=\"noopener\">overfitting<\/a>\u00a0ou d\u2019<a href=\"https:\/\/datascientest.com\/underfitting-tout-savoir\">underfitting<\/a>. P<span style=\"font-weight: 400;\">our rappel, l\u2019overfitting (ou sur-apprentissage) d\u00e9crit une <\/span><b>situation o\u00f9 le mod\u00e8le construit est trop complexe<\/b><span style=\"font-weight: 400;\"> (avec trop de variables explicatives par exemple), tel qu\u2019il apprend parfaitement les donn\u00e9es d&rsquo;entra\u00eenement mais n\u2019arrive pas \u00e0 se g\u00e9n\u00e9raliser sur d\u2019autres donn\u00e9es. <\/span><\/p><p><span style=\"font-weight: 400;\">\u00c0 l\u2019inverse, l\u2019underfitting (ou sous-apprentissage) d\u00e9crit une <\/span><b>situation o\u00f9 le mod\u00e8le est trop simple<\/b> <b>ou mal choisi <\/b><span style=\"font-weight: 400;\">(choix d\u2019une r\u00e9gression lin\u00e9aire sur des donn\u00e9es ne respectant pas ses hypoth\u00e8ses par exemple), tel qu\u2019il apprend mal. Ces deux probl\u00e8mes peuvent \u00eatre corrig\u00e9s par diff\u00e9rentes techniques mais ils doivent d\u2019abord \u00eatre rep\u00e9r\u00e9s, ce qui est possible gr\u00e2ce \u00e0 la fonction train_test_split. En effet, nous pouvons <\/span><b>comparer les performances<\/b><span style=\"font-weight: 400;\"> du mod\u00e8le sur l\u2019ensemble train et sur l\u2019ensemble test cr\u00e9\u00e9s par la fonction. Si les performances sont bonnes sur l\u2019ensemble train mais mauvaises sur l\u2019ensemble test, nous faisons s\u00fbrement face \u00e0 de l\u2019overfitting. Si les performances sont aussi mauvaises sur l\u2019ensemble train que sur l\u2019ensemble test, nous faisons s\u00fbrement face \u00e0 de l\u2019underfitting. Les deux ensembles renvoy\u00e9s par la fonction sont donc essentiels dans la d\u00e9tection de ces probl\u00e8mes r\u00e9currents en Machine Learning.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-01711dc e-flex e-con-boxed e-con\" data-id=\"01711dc\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-6dbc389 elementor-widget elementor-widget-heading\" data-id=\"6dbc389\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Comment r\u00e9soudre un probl\u00e8me de Machine Learning complet en utilisant la fonction train_test_split ?<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-c4e0a33 elementor-widget elementor-widget-text-editor\" data-id=\"c4e0a33\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Maintenant que nous avons compris l\u2019utilisation et les fonctionnalit\u00e9s de la fonction train_test_split, mettons la en pratique \u00e0 travers un r\u00e9el probl\u00e8me de Machine Learning.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-1f77b6c elementor-widget elementor-widget-heading\" data-id=\"1f77b6c\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h4 class=\"elementor-heading-title elementor-size-default\">\u00c9tape 1 : Compr\u00e9hension du probl\u00e8me<\/h4>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-fe9ff9d elementor-widget elementor-widget-text-editor\" data-id=\"fe9ff9d\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Nous choisissons de r\u00e9soudre un probl\u00e8me d\u2019apprentissage supervis\u00e9 tel que les labels attendus sont connus. Plus pr\u00e9cis\u00e9ment nous nous concentrons sur une <\/span><b>classification binaire<\/b><span style=\"font-weight: 400;\">. L\u2019objectif est de pr\u00e9dire si un individu est atteint ou non d\u2019un cancer du sein, \u00e0 partir de ses caract\u00e9ristiques corporelles.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-6c1bd48 elementor-widget elementor-widget-heading\" data-id=\"6c1bd48\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h4 class=\"elementor-heading-title elementor-size-default\">\u00c9tape 2 : R\u00e9cup\u00e9ration des donn\u00e9es<\/h4>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-f4fd35b elementor-widget elementor-widget-text-editor\" data-id=\"f4fd35b\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Nous utilisons le dataset \u00ab\u00a0breast_cancer\u00a0\u00bb inclus dans la librairie Sklearn.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-06b378f elementor-widget elementor-widget-shortcode\" data-id=\"06b378f\" data-element_type=\"widget\" data-widget_type=\"shortcode.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-shortcode\"><script src=\"https:\/\/gist.github.com\/manongeorget\/70ef7bb2343550b5656aec87400c31e7.js\"><\/script><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-19fdaf2 elementor-widget elementor-widget-text-editor\" data-id=\"19fdaf2\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Gr\u00e2ce aux lignes de code suivantes, nous r\u00e9cup\u00e9rons les variables explicatives (features) et la variable cible (target) : <\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-20fe65e elementor-widget elementor-widget-shortcode\" data-id=\"20fe65e\" data-element_type=\"widget\" data-widget_type=\"shortcode.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-shortcode\"><script src=\"https:\/\/gist.github.com\/manongeorget\/7c4b377a2e95b5b76ed6427f0deedc3c.js\"><\/script><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-bf7e65a elementor-widget elementor-widget-text-editor\" data-id=\"bf7e65a\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Nous obtenons que la variable cible \u00e0 pr\u00e9dire prend deux valeurs (\u00ab\u00a0malignant\u00a0\u00bb et \u00ab\u00a0benign\u00a0\u00bb) et que le probl\u00e8me est bien une classification binaire.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-6733476 elementor-widget elementor-widget-heading\" data-id=\"6733476\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h4 class=\"elementor-heading-title elementor-size-default\">\u00c9tape 3 : Cr\u00e9ation de X et de y<\/h4>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-e936554 elementor-widget elementor-widget-text-editor\" data-id=\"e936554\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Nous cr\u00e9ons l\u2019input array X \u00e0 deux dimensions et l\u2019output array y \u00e0 une dimension. Pour ce dataset, l\u2019encodage binaire de la variable cible est effectu\u00e9 par sklearn et peut-\u00eatre directement r\u00e9cup\u00e9r\u00e9.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-29e3704 elementor-widget elementor-widget-shortcode\" data-id=\"29e3704\" data-element_type=\"widget\" data-widget_type=\"shortcode.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-shortcode\"><script src=\"https:\/\/gist.github.com\/manongeorget\/746ed23fb3f50d3fca325730eb9f09bc.js\"><\/script><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-d7118d4 elementor-widget elementor-widget-text-editor\" data-id=\"d7118d4\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Nous v\u00e9rifions que les dimensions de X et de y sont bien correspondantes : y a le m\u00eame nombre de lignes que X.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-94ccfc7 elementor-widget elementor-widget-heading\" data-id=\"94ccfc7\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h4 class=\"elementor-heading-title elementor-size-default\">\u00c9tape 4 : Cr\u00e9ation des ensembles train et test<\/h4>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-2f0dc05 elementor-widget elementor-widget-text-editor\" data-id=\"2f0dc05\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Nous divisons les donn\u00e9es en un ensemble train et un ensemble test.\u00a0<\/span><\/p><p><span style=\"font-weight: 400;\">Puisque nous fournissons deux arrays X et y \u00e0 la fonction train_test_split, elle renvoie quatre \u00e9l\u00e9ments. Nous choisissons un ensemble test constitu\u00e9 de 10% des donn\u00e9es. Nous choisissons un nombre de type \u201cint\u201d comme random state pour assurer la reproductibilit\u00e9 du code. Nous n\u2019utilisons pas les derniers param\u00e8tres de la fonction, qui ne sont pas n\u00e9cessaires pour un probl\u00e8me aussi simple.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-14d845f elementor-widget elementor-widget-shortcode\" data-id=\"14d845f\" data-element_type=\"widget\" data-widget_type=\"shortcode.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-shortcode\"><script src=\"https:\/\/gist.github.com\/manongeorget\/670c9b5bc2be84da42c62628e30d0b52.js\"><\/script><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-7b3eee5 elementor-widget elementor-widget-heading\" data-id=\"7b3eee5\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h4 class=\"elementor-heading-title elementor-size-default\">\u00c9tape 5 : Mod\u00e8le de classification<\/h4>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-372bd6e elementor-widget elementor-widget-text-editor\" data-id=\"372bd6e\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Pour r\u00e9soudre la t\u00e2che de classification nous construisons un mod\u00e8le des k-plus proches voisins. Nous entra\u00eenons le mod\u00e8le sur le train set avec la m\u00e9thode .fit(). Puis nous testons les performances du mod\u00e8le sur le test set avec la m\u00e9thode .predict(). Nous obtenons ainsi les classes pr\u00e9dites pour les observations de l\u2019ensemble test. <\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-787c0f7 elementor-widget elementor-widget-shortcode\" data-id=\"787c0f7\" data-element_type=\"widget\" data-widget_type=\"shortcode.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-shortcode\"><script src=\"https:\/\/gist.github.com\/manongeorget\/9b6f1804e4371bee273426fb19d5af8e.js\"><\/script><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-2ae99ff elementor-widget elementor-widget-heading\" data-id=\"2ae99ff\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h4 class=\"elementor-heading-title elementor-size-default\">\u00c9tape 6 : \u00c9valuation du mod\u00e8le<\/h4>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-d6222c3 elementor-widget elementor-widget-text-editor\" data-id=\"d6222c3\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Nous choisissons comme m\u00e9trique l\u2019accuracy. L\u2019accuracy repr\u00e9sente le nombre de bonnes pr\u00e9dictions sur le nombre total de pr\u00e9dictions. Nous la calculons sur l\u2019ensemble train et sur l\u2019ensemble test gr\u00e2ce \u00e0 la m\u00e9thode .score(), qui compare les vraies classes du dataset aux classes pr\u00e9dites par le classifieur clf.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-7fc9903 elementor-widget elementor-widget-shortcode\" data-id=\"7fc9903\" data-element_type=\"widget\" data-widget_type=\"shortcode.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-shortcode\"><script src=\"https:\/\/gist.github.com\/manongeorget\/0b4ae518863c3e024bcb11bc1d31b96d.js\"><\/script><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-bc48768 elementor-widget elementor-widget-text-editor\" data-id=\"bc48768\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Nous obtenons une accuracy de 0.95 sur l\u2019ensemble train et de 0.93 sur l\u2019ensemble test. Ainsi le mod\u00e8le a de bonnes performances de classification.<\/span><span style=\"font-weight: 400;\"><br \/><\/span><\/p><p><span style=\"font-weight: 400;\">De plus l\u2019accuracy sur l\u2019ensemble test est tr\u00e8s l\u00e9g\u00e8rement inf\u00e9rieure \u00e0 celle sur l\u2019ensemble train. Cela signifie que le mod\u00e8le se g\u00e9n\u00e9ralise bien \u00e0 de nouvelles donn\u00e9es. Nous ne faisons donc pas face \u00e0 un probl\u00e8me d\u2019overfitting.\u00a0\u00a0<\/span><\/p><p><span style=\"font-weight: 400;\">Ainsi la fonction train_test_split est facilement utilisable et tr\u00e8s efficace pour r\u00e9soudre un probl\u00e8me complet de Machine Learning.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-0edef2d e-flex e-con-boxed e-con\" data-id=\"0edef2d\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-d2e2a0e elementor-widget elementor-widget-heading\" data-id=\"d2e2a0e\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Existe-t-il des limites \u00e0 la fonction train_test_split ?<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-37d59be elementor-widget elementor-widget-text-editor\" data-id=\"37d59be\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Malgr\u00e9 tout, la fonction train_test_split comporte une principale limite li\u00e9e \u00e0 son param\u00e8tre random_state. En effet, lorsque la valeur donn\u00e9e au random state est un nombre entier, les donn\u00e9es sont s\u00e9par\u00e9es gr\u00e2ce un <\/span><b>g\u00e9n\u00e9rateur pseudo-al\u00e9atoire<\/b><span style=\"font-weight: 400;\"> initialis\u00e9 avec ce nombre entier, appel\u00e9 seed ou graine al\u00e9atoire. La s\u00e9paration effectu\u00e9e est reproductible en gardant le m\u00eame seed. Cependant, il a \u00e9t\u00e9 montr\u00e9 que le choix du seed a une influence sur les performances du mod\u00e8le de Machine Learning associ\u00e9 : des seeds diff\u00e9rents peuvent cr\u00e9er des ensembles diff\u00e9rents et des scores variables.<\/span><\/p><p><span style=\"font-weight: 400;\">Une solution \u00e0 ce probl\u00e8me consiste \u00e0 utiliser la fonction train_test_split plusieurs fois avec des valeurs diff\u00e9rentes pour le random_state. Nous pouvons ensuite calculer la moyenne des scores obtenus.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-fe8f7e6 elementor-widget elementor-widget-text-editor\" data-id=\"fe8f7e6\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Ainsi la fonction train_test_split de la librairie Python sklearn est essentielle pour mener un <\/span><b>projet de Data Science<\/b><span style=\"font-weight: 400;\">\u00a0et \u00e9valuer un mod\u00e8le de Machine Learning quand elle est bien utilis\u00e9e ! !<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-7fcf16c elementor-align-center button-principale elementor-widget elementor-widget-button\" data-id=\"7fcf16c\" data-element_type=\"widget\" data-widget_type=\"button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-button-wrapper\">\n\t\t\t<a class=\"elementor-button elementor-button-link elementor-size-sm elementor-animation-grow\" href=\"https:\/\/datascientest.com\/formation-data-scientist\">\n\t\t\t\t\t\t<span class=\"elementor-button-content-wrapper\">\n\t\t\t\t\t\t<span class=\"elementor-button-text\">D\u00e9couvrir la formation Data Scientist<\/span>\n\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-157a76a e-flex e-con-boxed e-con\" data-id=\"157a76a\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-acfafd5 elementor-widget elementor-widget-html\" data-id=\"acfafd5\" data-element_type=\"widget\" data-widget_type=\"html.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<script type=\"application\/ld+json\">\n{\n  \"@context\": \"https:\/\/schema.org\",\n  \"@type\": \"FAQPage\",\n  \"mainEntity\": [{\n    \"@type\": \"Question\",\n    \"name\": \"Comment d\u00e9finir la fonction train_test_split ?\",\n    \"acceptedAnswer\": {\n      \"@type\": \"Answer\",\n      \"text\": \"Afin de v\u00e9rifier l\u2019efficacit\u00e9 d\u2019un mod\u00e8le de Machine Learning, le jeu de donn\u00e9es initial est divis\u00e9 en deux ensembles : un training set et un test set. Le training set est utilis\u00e9 pour fit, c\u2019est-\u00e0-dire pour entra\u00eener, le mod\u00e8le sur une partie des donn\u00e9es. Le test set est utilis\u00e9 pour \u00e9valuer les performances de ce mod\u00e8le, sur l\u2019autre partie des donn\u00e9es. La fonction train_test_split de la biblioth\u00e8que ScikitLearn (sklearn) de Python permet de faire cette s\u00e9paration en deux ensembles.\"\n    }\n  },{\n    \"@type\": \"Question\",\n    \"name\": \"Comment \u00e9valuer les performances d\u2019un mod\u00e8le avec la fonction train_test_split ?\",\n    \"acceptedAnswer\": {\n      \"@type\": \"Answer\",\n      \"text\": \"Une fois la fonction train_test_split d\u00e9finie, elle renvoie un ensemble train et un ensemble test. Ce splitting des donn\u00e9es permet d\u2019\u00e9valuer un mod\u00e8le de Machine Learning sous deux angles diff\u00e9rents. Le mod\u00e8le est entra\u00een\u00e9 sur l\u2019ensemble train renvoy\u00e9 par la fonction. Puis ses capacit\u00e9s pr\u00e9dictives sont \u00e9valu\u00e9es sur l\u2019ensemble test renvoy\u00e9 par la fonction. Plusieurs m\u00e9triques peuvent \u00eatre utilis\u00e9es pour cette \u00e9valuation. Dans le cas d\u2019une r\u00e9gression lin\u00e9aire, le coefficient de d\u00e9termination, la RMSE et la MAE sont privil\u00e9gi\u00e9s. Dans le cas d\u2019une classification, l\u2019accuracy, la pr\u00e9cision, le recall et le F1-score sont privil\u00e9gi\u00e9s. Ces scores sur l\u2019ensemble test permettent donc de d\u00e9terminer si le mod\u00e8le est performant et \u00e0 quel point il doit \u00eatre am\u00e9lior\u00e9 avant de pouvoir pr\u00e9dire sur un nouveau dataset.\"\n    }\n  },{\n    \"@type\": \"Question\",\n    \"name\": \"Comment r\u00e9soudre un probl\u00e8me de Machine Learning complet en utilisant la fonction train_test_split ?\",\n    \"acceptedAnswer\": {\n      \"@type\": \"Answer\",\n      \"text\": \"Nous choisissons de r\u00e9soudre un probl\u00e8me d\u2019apprentissage supervis\u00e9 tel que les labels attendus sont connus. Plus pr\u00e9cis\u00e9ment nous nous concentrons sur une classification binaire. L\u2019objectif est de pr\u00e9dire si un individu est atteint ou non d\u2019un cancer du sein, \u00e0 partir de ses caract\u00e9ristiques corporelles.\"\n    }\n  },{\n    \"@type\": \"Question\",\n    \"name\": \"Existe-t-il des limites \u00e0 la fonction train_test_split ?\",\n    \"acceptedAnswer\": {\n      \"@type\": \"Answer\",\n      \"text\": \"Malgr\u00e9 tout, la fonction train_test_split comporte une principale limite li\u00e9e \u00e0 son param\u00e8tre random_state. En effet, lorsque la valeur donn\u00e9e au random state est un nombre entier, les donn\u00e9es sont s\u00e9par\u00e9es gr\u00e2ce un g\u00e9n\u00e9rateur pseudo-al\u00e9atoire initialis\u00e9 avec ce nombre entier, appel\u00e9 seed ou graine al\u00e9atoire. La s\u00e9paration effectu\u00e9e est reproductible en gardant le m\u00eame seed. Cependant, il a \u00e9t\u00e9 montr\u00e9 que le choix du seed a une influence sur les performances du mod\u00e8le de Machine Learning associ\u00e9 : des seeds diff\u00e9rents peuvent cr\u00e9er des ensembles diff\u00e9rents et des scores variables. Une solution \u00e0 ce probl\u00e8me consiste \u00e0 utiliser la fonction train_test_split plusieurs fois avec des valeurs diff\u00e9rentes pour le random_state. Nous pouvons ensuite calculer la moyenne des scores obtenus.\"\n    }\n  }]\n}\n<\/script>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<\/div>\n\t\t","protected":false},"excerpt":{"rendered":"<p>Un mod\u00e8le de Machine Learning est capable d\u2019apprendre de fa\u00e7on autonome \u00e0 partir d\u2019un jeu de donn\u00e9es, dans l\u2019objectif de pr\u00e9dire des comportements sur un autre jeu de donn\u00e9es. Pour cela, il trouve des relations sous-jacentes entre des variables explicatives ind\u00e9pendantes et une variable cible dans le dataset initial. Puis il utilise ces patterns pour [&hellip;]<\/p>\n","protected":false},"author":78,"featured_media":192533,"comment_status":"open","ping_status":"open","sticky":false,"template":"elementor_theme","format":"standard","meta":{"content-type":"","inline_featured_image":false},"categories":[2497],"tags":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO Premium plugin v21.7 (Yoast SEO v21.7) - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>\u00ab train_test_split \u00bb : Tutoriel d&#039;utilisation de cette fonction<\/title>\n<meta name=\"description\" content=\"D\u00e9couvrez dans cet article comment utiliser la fonction train_test_split pour entra\u00eener un mod\u00e8le de Machine Learning.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/datascientest.com\/train-test-split-tutoriel\" \/>\n<meta property=\"og:locale\" content=\"fr_FR\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"\u00ab train_test_split \u00bb : Tutoriel d&#039;utilisation de cette fonction\" \/>\n<meta property=\"og:url\" content=\"https:\/\/datascientest.com\/train-test-split-tutoriel\" \/>\n<meta property=\"og:site_name\" content=\"Formation Data Science | DataScientest.com\" \/>\n<meta property=\"article:published_time\" content=\"2023-03-12T19:19:00+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2023-11-09T13:53:44+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/datascientest.com\/wp-content\/uploads\/2023\/03\/train-test-split.png\" \/>\n\t<meta property=\"og:image:width\" content=\"1200\" \/>\n\t<meta property=\"og:image:height\" content=\"600\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/png\" \/>\n<meta name=\"author\" content=\"J\u00e9r\u00e9my Robert\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"\u00c9crit par\" \/>\n\t<meta name=\"twitter:data1\" content=\"J\u00e9r\u00e9my Robert\" \/>\n\t<meta name=\"twitter:label2\" content=\"Dur\u00e9e de lecture estim\u00e9e\" \/>\n\t<meta name=\"twitter:data2\" content=\"8 minutes\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/datascientest.com\/train-test-split-tutoriel\",\"url\":\"https:\/\/datascientest.com\/train-test-split-tutoriel\",\"name\":\"\u00ab train_test_split \u00bb : Tutoriel d'utilisation de cette fonction\",\"isPartOf\":{\"@id\":\"https:\/\/datascientest.com\/#website\"},\"datePublished\":\"2023-03-12T19:19:00+00:00\",\"dateModified\":\"2023-11-09T13:53:44+00:00\",\"author\":{\"@id\":\"https:\/\/datascientest.com\/#\/schema\/person\/7af2361c48e24e79a8aa2360e6e74925\"},\"description\":\"D\u00e9couvrez dans cet article comment utiliser la fonction train_test_split pour entra\u00eener un mod\u00e8le de Machine Learning.\",\"inLanguage\":\"fr-FR\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/datascientest.com\/train-test-split-tutoriel\"]}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/datascientest.com\/#website\",\"url\":\"https:\/\/datascientest.com\/\",\"name\":\"Formation Data Science | DataScientest.com\",\"description\":\"Leader de la formation en Data Science\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/datascientest.com\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"fr-FR\"},{\"@type\":\"Person\",\"@id\":\"https:\/\/datascientest.com\/#\/schema\/person\/7af2361c48e24e79a8aa2360e6e74925\",\"name\":\"J\u00e9r\u00e9my Robert\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"fr-FR\",\"@id\":\"https:\/\/datascientest.com\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/datascientest.com\/wp-content\/uploads\/2023\/11\/jeremyrobert.jpeg\",\"contentUrl\":\"https:\/\/datascientest.com\/wp-content\/uploads\/2023\/11\/jeremyrobert.jpeg\",\"caption\":\"J\u00e9r\u00e9my Robert\"},\"description\":\"J\u00e9r\u00e9my Robert est actuellement Directeur p\u00e9dagogique B2B chez DataScientest.com. Avant de rejoindre DataScientest, il a travaill\u00e9 en tant que Consultant Business Intelligence chez DEAPDATA, o\u00f9 il a g\u00e9r\u00e9 des projets dans les domaines de l'assurance, bancaire et industrie. Il a \u00e9galement \u00e9t\u00e9 Co-fondateur et pr\u00e9sident de Tripzer. En tant que consultant ind\u00e9pendant, J\u00e9r\u00e9my a propos\u00e9 des formations sur MicroStrategy pour divers niveaux professionnels. Il est dipl\u00f4m\u00e9 de l'Universit\u00e9 Paris Cit\u00e9 avec un Master MIAGE, combinant comp\u00e9tences en informatique et gestion.\",\"sameAs\":[\"https:\/\/www.linkedin.com\/in\/jeremyrobert1\/\",\"Data Science\"],\"url\":\"https:\/\/datascientest.com\/author\/jeremyrobert\"}]}<\/script>\n<!-- \/ Yoast SEO Premium plugin. -->","yoast_head_json":{"title":"\u00ab train_test_split \u00bb : Tutoriel d'utilisation de cette fonction","description":"D\u00e9couvrez dans cet article comment utiliser la fonction train_test_split pour entra\u00eener un mod\u00e8le de Machine Learning.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/datascientest.com\/train-test-split-tutoriel","og_locale":"fr_FR","og_type":"article","og_title":"\u00ab train_test_split \u00bb : Tutoriel d'utilisation de cette fonction","og_url":"https:\/\/datascientest.com\/train-test-split-tutoriel","og_site_name":"Formation Data Science | DataScientest.com","article_published_time":"2023-03-12T19:19:00+00:00","article_modified_time":"2023-11-09T13:53:44+00:00","og_image":[{"width":1200,"height":600,"url":"https:\/\/datascientest.com\/wp-content\/uploads\/2023\/03\/train-test-split.png","type":"image\/png"}],"author":"J\u00e9r\u00e9my Robert","twitter_card":"summary_large_image","twitter_misc":{"\u00c9crit par":"J\u00e9r\u00e9my Robert","Dur\u00e9e de lecture estim\u00e9e":"8 minutes"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/datascientest.com\/train-test-split-tutoriel","url":"https:\/\/datascientest.com\/train-test-split-tutoriel","name":"\u00ab train_test_split \u00bb : Tutoriel d'utilisation de cette fonction","isPartOf":{"@id":"https:\/\/datascientest.com\/#website"},"datePublished":"2023-03-12T19:19:00+00:00","dateModified":"2023-11-09T13:53:44+00:00","author":{"@id":"https:\/\/datascientest.com\/#\/schema\/person\/7af2361c48e24e79a8aa2360e6e74925"},"description":"D\u00e9couvrez dans cet article comment utiliser la fonction train_test_split pour entra\u00eener un mod\u00e8le de Machine Learning.","inLanguage":"fr-FR","potentialAction":[{"@type":"ReadAction","target":["https:\/\/datascientest.com\/train-test-split-tutoriel"]}]},{"@type":"WebSite","@id":"https:\/\/datascientest.com\/#website","url":"https:\/\/datascientest.com\/","name":"Formation Data Science | DataScientest.com","description":"Leader de la formation en Data Science","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/datascientest.com\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"fr-FR"},{"@type":"Person","@id":"https:\/\/datascientest.com\/#\/schema\/person\/7af2361c48e24e79a8aa2360e6e74925","name":"J\u00e9r\u00e9my Robert","image":{"@type":"ImageObject","inLanguage":"fr-FR","@id":"https:\/\/datascientest.com\/#\/schema\/person\/image\/","url":"https:\/\/datascientest.com\/wp-content\/uploads\/2023\/11\/jeremyrobert.jpeg","contentUrl":"https:\/\/datascientest.com\/wp-content\/uploads\/2023\/11\/jeremyrobert.jpeg","caption":"J\u00e9r\u00e9my Robert"},"description":"J\u00e9r\u00e9my Robert est actuellement Directeur p\u00e9dagogique B2B chez DataScientest.com. Avant de rejoindre DataScientest, il a travaill\u00e9 en tant que Consultant Business Intelligence chez DEAPDATA, o\u00f9 il a g\u00e9r\u00e9 des projets dans les domaines de l'assurance, bancaire et industrie. Il a \u00e9galement \u00e9t\u00e9 Co-fondateur et pr\u00e9sident de Tripzer. En tant que consultant ind\u00e9pendant, J\u00e9r\u00e9my a propos\u00e9 des formations sur MicroStrategy pour divers niveaux professionnels. Il est dipl\u00f4m\u00e9 de l'Universit\u00e9 Paris Cit\u00e9 avec un Master MIAGE, combinant comp\u00e9tences en informatique et gestion.","sameAs":["https:\/\/www.linkedin.com\/in\/jeremyrobert1\/","Data Science"],"url":"https:\/\/datascientest.com\/author\/jeremyrobert"}]}},"_links":{"self":[{"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/posts\/192531"}],"collection":[{"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/users\/78"}],"replies":[{"embeddable":true,"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/comments?post=192531"}],"version-history":[{"count":0,"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/posts\/192531\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/media\/192533"}],"wp:attachment":[{"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/media?parent=192531"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/categories?post=192531"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/tags?post=192531"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}