{"id":62137,"date":"2021-05-03T13:43:26","date_gmt":"2021-05-03T12:43:26","guid":{"rendered":"https:\/\/datascientest.com\/?p=62137"},"modified":"2023-11-09T14:07:26","modified_gmt":"2023-11-09T14:07:26","slug":"cross-validation","status":"publish","type":"post","link":"https:\/\/datascientest.com\/cross-validation","title":{"rendered":"Cross-Validation ou Validation crois\u00e9e : d\u00e9finition et importance"},"content":{"rendered":"\t\t<div data-elementor-type=\"wp-post\" data-elementor-id=\"62137\" class=\"elementor elementor-62137\" data-elementor-post-type=\"post\">\n\t\t\t\t\t\t\t<div class=\"elementor-element elementor-element-84edcca e-flex e-con-boxed e-con\" data-id=\"84edcca\" 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-eb349c6 elementor-widget elementor-widget-heading\" data-id=\"eb349c6\" 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\">La Cross-Validation est une m\u00e9thode permettant de tester les performances d'un mod\u00e8le pr\u00e9dictif de Machine Learning. D\u00e9couvrez les techniques les plus utilis\u00e9es, et comment apprendre \u00e0 les ma\u00eetriser.<\/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-9261924 e-flex e-con-boxed e-con\" data-id=\"9261924\" 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-be9b5da elementor-widget elementor-widget-text-editor\" data-id=\"be9b5da\" 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>Apr\u00e8s avoir entra\u00een\u00e9 <a href=\"https:\/\/datascientest.com\/machine-learning-tout-savoir\">un mod\u00e8le de Machine Learning<\/a> sur des donn\u00e9es \u00e9tiquet\u00e9es, celui-ci est suppos\u00e9 fonctionner sur de nouvelles donn\u00e9es. Toutefois, il est important de <strong>s&rsquo;assurer de<\/strong> <strong>l&rsquo;exactitude des pr\u00e9dictions<\/strong> du mod\u00e8le en production.<\/p><p>Pour ce faire, il est n\u00e9cessaire de valider le mod\u00e8le. Le <strong>processus de validation<\/strong> consiste \u00e0 d\u00e9cider si les r\u00e9sultats num\u00e9riques quantifiant les relations hypoth\u00e9tiques entre les variables sont acceptables en tant que descriptions des donn\u00e9es.<\/p><p>Afin <strong>d&rsquo;\u00e9valuer les performances d&rsquo;un mod\u00e8le de Machine Learning<\/strong>, il est n\u00e9cessaire de le tester sur de nouvelles donn\u00e9es. En fonction des performances des mod\u00e8les sur des donn\u00e9es inconnues, on peut d\u00e9terminer s&rsquo;il est sous-ajust\u00e9, sur-ajust\u00e9, ou \u00a0\u00bb bien g\u00e9n\u00e9ralis\u00e9 \u00ab\u00a0.<\/p><p>L&rsquo;une des techniques utilis\u00e9es pour tester l&rsquo;efficacit\u00e9 d&rsquo;un mod\u00e8le de Machine Learning est<strong> la \u00ab\u00a0cross-validation\u00a0\u00bb ou validation crois\u00e9e<\/strong>. Cette m\u00e9thode est aussi une proc\u00e9dure de \u00a0\u00bb re-sampling \u00a0\u00bb (r\u00e9-\u00e9chantillonnage) permettant d&rsquo;\u00e9valuer un mod\u00e8le m\u00eame avec des donn\u00e9es limit\u00e9es.<\/p><p>Pour effectuer<strong> une \u00ab\u00a0CV\u00a0\u00bb (cross-validation)<\/strong>, il est n\u00e9cessaire d&rsquo;\u00e9carter en amont une partie des donn\u00e9es du dataset d&rsquo;entra\u00eenement. Ces donn\u00e9es ne seront pas utilis\u00e9es pour entra\u00eener le mod\u00e8le, mais plus tard pour tester et valider le mod\u00e8le.<\/p><p>On utilise couramment la Cross-Validation en Machine Learning pour<strong> comparer diff\u00e9rents mod\u00e8les<\/strong> et s\u00e9lectionner le plus appropri\u00e9 pour un probl\u00e8me sp\u00e9cifique. Elle est \u00e0 la fois simple \u00e0 comprendre, simple \u00e0 impl\u00e9menter et moins biais\u00e9e que les autres m\u00e9thodes. D\u00e9couvrons \u00e0 pr\u00e9sent les principales techniques de validation crois\u00e9e.<\/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-7e02ce1 elementor-widget__width-initial elementor-widget elementor-widget-video\" data-id=\"7e02ce1\" data-element_type=\"widget\" data-settings=\"{&quot;youtube_url&quot;:&quot;https:\\\/\\\/youtu.be\\\/fSytzGwwBVw&quot;,&quot;video_type&quot;:&quot;youtube&quot;,&quot;controls&quot;:&quot;yes&quot;}\" data-widget_type=\"video.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-video .elementor-widget-container{overflow:hidden;transform:translateZ(0)}.elementor-widget-video .elementor-wrapper{aspect-ratio:var(--video-aspect-ratio)}.elementor-widget-video .elementor-wrapper iframe,.elementor-widget-video .elementor-wrapper video{height:100%;width:100%;display:flex;border:none;background-color:#000}@supports not (aspect-ratio:1\/1){.elementor-widget-video .elementor-wrapper{position:relative;overflow:hidden;height:0;padding-bottom:calc(100% \/ var(--video-aspect-ratio))}.elementor-widget-video .elementor-wrapper iframe,.elementor-widget-video .elementor-wrapper video{position:absolute;top:0;right:0;bottom:0;left:0}}.elementor-widget-video .elementor-open-inline .elementor-custom-embed-image-overlay{position:absolute;top:0;right:0;bottom:0;left:0;background-size:cover;background-position:50%}.elementor-widget-video .elementor-custom-embed-image-overlay{cursor:pointer;text-align:center}.elementor-widget-video .elementor-custom-embed-image-overlay:hover .elementor-custom-embed-play i{opacity:1}.elementor-widget-video .elementor-custom-embed-image-overlay img{display:block;width:100%;aspect-ratio:var(--video-aspect-ratio);-o-object-fit:cover;object-fit:cover;-o-object-position:center center;object-position:center center}@supports not (aspect-ratio:1\/1){.elementor-widget-video .elementor-custom-embed-image-overlay{position:relative;overflow:hidden;height:0;padding-bottom:calc(100% \/ var(--video-aspect-ratio))}.elementor-widget-video .elementor-custom-embed-image-overlay img{position:absolute;top:0;right:0;bottom:0;left:0}}.elementor-widget-video .e-hosted-video .elementor-video{-o-object-fit:cover;object-fit:cover}.e-con-inner>.elementor-widget-video,.e-con>.elementor-widget-video{width:var(--container-widget-width);--flex-grow:var(--container-widget-flex-grow)}<\/style>\t\t<div class=\"elementor-wrapper elementor-open-inline\">\n\t\t\t<div class=\"elementor-video\"><\/div>\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-a44ab98 e-flex e-con-boxed e-con\" data-id=\"a44ab98\" 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-5881c38 elementor-widget elementor-widget-heading\" data-id=\"5881c38\" 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\">La technique du Train-Test Split<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-8132c41 elementor-widget elementor-widget-text-editor\" data-id=\"8132c41\" 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>L&rsquo;approche Train-Test Split consiste \u00e0<strong> d\u00e9composer de mani\u00e8re al\u00e9atoire un ensemble de donn\u00e9es<\/strong>. Une partie servira \u00e0 l&rsquo;entra\u00eenement du mod\u00e8le de Machine Learning, l&rsquo;autre partie permettra de le tester pour la validation.<\/p><p>En g\u00e9n\u00e9ral, on r\u00e9serve<strong> 70% \u00e0 80% des donn\u00e9es du dataset pour l&rsquo;entra\u00eenement<\/strong>. Les 20 \u00e0 30% restants seront exploit\u00e9s pour la Cross-Validation.<\/p><p>Cette <strong>technique est efficace, sauf si les donn\u00e9es sont limit\u00e9es<\/strong>. Il peut alors manquer certaines informations sur les donn\u00e9es qui n&rsquo;ont pas \u00e9t\u00e9 utilis\u00e9es pour l&rsquo;entra\u00eenement, et les r\u00e9sultats peuvent donc \u00eatre hautement biais\u00e9s.<\/p><p>En revanche, si l&rsquo;ensemble de donn\u00e9es est vaste et que la distribution est \u00e9gale entre les deux \u00e9chantillons, cette approche convient tout \u00e0 fait. Il est possible de s\u00e9parer manuellement les donn\u00e9es, ou d&rsquo;utiliser <strong>la m\u00e9thode train_test split de scikit-learn<\/strong>.<\/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-5b3d4fc elementor-align-center button-principale elementor-widget elementor-widget-button\" data-id=\"5b3d4fc\" 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\">Se former au Machine Learning<\/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-c4517d9 e-flex e-con-boxed e-con\" data-id=\"c4517d9\" 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-aec01c3 elementor-widget elementor-widget-heading\" data-id=\"aec01c3\" 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\">La m\u00e9thode K-Folds<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-3b87d79 elementor-widget elementor-widget-text-editor\" data-id=\"3b87d79\" 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>La technique K-Folds est <strong>simple \u00e0 comprendre, et particuli\u00e8rement populaire<\/strong>. Par rapport aux autres approches de Cross-Validation, elle r\u00e9sulte g\u00e9n\u00e9ralement sur un mod\u00e8le moins biais\u00e9.<\/p><p>Pour cause, elle permet d&rsquo;assurer que toutes les observations de l&rsquo;ensemble de donn\u00e9es original aient la chance d&rsquo;appara\u00eetre dans l&rsquo;ensemble d&rsquo;entra\u00eenement et dans l&rsquo;ensemble de test. En<strong> cas de donn\u00e9es d&rsquo;input limit\u00e9es<\/strong>, il s&rsquo;agit donc de l&rsquo;une des meilleures approches.<\/p><p>On commence tout d&rsquo;abord par <strong>s\u00e9parer l&rsquo;ensemble de donn\u00e9es de mani\u00e8re al\u00e9atoire en K folds<\/strong>. La proc\u00e9dure a un param\u00e8tre unique appel\u00e9 \u00ab\u00a0K\u00a0\u00bb faisant r\u00e9f\u00e9rence au nombre de groupes dans lequel l&rsquo;\u00e9chantillon sera divis\u00e9.<\/p><p>La <strong>valeur de K ne doit \u00eatre ni trop basse ni trop haute<\/strong>, et on choisit g\u00e9n\u00e9ralement une valeur comprise entre 5 et 10 en fonction de l&rsquo;envergure du dataset. Par exemple, si K=10, le dataset sera divis\u00e9 en 10 parties.<\/p><p>Une <strong>valeur K plus \u00e9lev\u00e9e m\u00e8ne \u00e0 un mod\u00e8le moins biais\u00e9<\/strong>, mais une variance trop large peut conduire \u00e0 un sur-ajustement. Une valeur plus basse revient \u00e0 utiliser la m\u00e9thode Train-Test Split.<\/p><p>On <strong>ajuste ensuite le mod\u00e8le en utilisant les folds K-1<\/strong> (K moins 1). Le mod\u00e8le est valid\u00e9 en utilisant le K-fold restant. Les scores et les erreurs doivent \u00eatre not\u00e9s.<\/p><p>Le <strong>processus est r\u00e9p\u00e9t\u00e9 jusqu&rsquo;\u00e0 ce que chaque K-fold serve<\/strong> au sein de l&rsquo;ensemble d&rsquo;entra\u00eenement. La moyenne des scores enregistr\u00e9s est la m\u00e9trique de performance du mod\u00e8le.<\/p><p>Ce <strong>processus peut \u00eatre effectu\u00e9 manuellement<\/strong>, ou \u00e0 l&rsquo;aide des fonctions cross_val_score et cross_val-predict de la biblioth\u00e8que Python Scikit-Learn. La fonction cross_val_score indique le score de chaque fold de test, tandis que la fonction cross_val_predict indique le score pr\u00e9dit pour chaque observation dans le dataset d&rsquo;input lorsqu&rsquo;il faisait partie de l&rsquo;ensemble de test.<\/p><p>Dans le cas de figure o\u00f9 le mod\u00e8le (estimateur) est un classificateur et que la variable cible (y) est binaire ou multiclasse, on utilise par d\u00e9faut la technique \u00ab\u00a0StratifiedKfold\u00a0\u00bb. Cette <strong>m\u00e9thode rapporte des folds stratifi\u00e9s<\/strong>, par exemple en maintenant le pourcentage d&rsquo;\u00e9chantillons pour chaque classe dans tous les folds. Ainsi, les donn\u00e9es des folds d&rsquo;entra\u00eenement et de test sont \u00e9quitablement distribu\u00e9es.<\/p><p>Dans les autres cas, la technique K_Fold est utilis\u00e9e par d\u00e9faut pour <strong>diviser et entra\u00eener le mod\u00e8le<\/strong>. Les folds peuvent \u00eatre utilis\u00e9s en tant qu&rsquo;it\u00e9rateurs ou dans une boucle pour effectuer l&rsquo;entra\u00eenement sur un dataframe Pandas.<\/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-d9da7f7 e-flex e-con-boxed e-con\" data-id=\"d9da7f7\" 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-a4820cb elementor-widget elementor-widget-heading\" data-id=\"a4820cb\" 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 apprendre \u00e0 utiliser la Cross-Validation ?<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-8f50f0c elementor-widget__width-initial elementor-widget elementor-widget-video\" data-id=\"8f50f0c\" data-element_type=\"widget\" data-settings=\"{&quot;youtube_url&quot;:&quot;https:\\\/\\\/www.youtube.com\\\/watch?v=SNNK6z03TaA&amp;t=57s&quot;,&quot;video_type&quot;:&quot;youtube&quot;,&quot;controls&quot;:&quot;yes&quot;}\" data-widget_type=\"video.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-wrapper elementor-open-inline\">\n\t\t\t<div class=\"elementor-video\"><\/div>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-6d1b24a elementor-widget elementor-widget-text-editor\" data-id=\"6d1b24a\" 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>La Cross-Validation est une \u00e9tape <strong>incontournable dans le processus de Machine Learning<\/strong>. Afin d&rsquo;apprendre \u00e0 l&rsquo;utiliser, vous pouvez opter pour les formations DataScientest.<\/p><p>Le Machine Learning et toutes ses techniques sont au coeur de <strong>nos parcours Data Scientist, Data Analyst et ML Engineer<\/strong>. Vous apprendrez ainsi tout le processus, les algorithmes, outils et m\u00e9thodes visant \u00e0 entra\u00eener des mod\u00e8les et \u00e0 les mettre en production.<\/p><p>Nos formations professionnalisantes vous permettent d&rsquo;acqu\u00e9rir toutes les comp\u00e9tences requises <strong>pour exercer les m\u00e9tiers de la Data Science<\/strong>, Ainsi, vous apprendrez aussi \u00e0 ma\u00eetriser le langage de programmation Python, la manipulation des bases de donn\u00e9es, la <a href=\"https:\/\/datascientest.com\/formation-datavisualisation\">Dataviz<\/a> et le <a href=\"https:\/\/datascientest.com\/deep-learning-definition\">Deep Learning<\/a>.<\/p><p>Tous nos cursus peuvent \u00eatre effectu\u00e9s<strong> en formation continue ou en BootCamp<\/strong>. Nous vous proposons par ailleurs une approche \u00ab\u00a0<a href=\"https:\/\/datascientest.com\/blended-learning\">blended learning<\/a>\u00a0\u00bb innovante alliant formation \u00e0 distance et en pr\u00e9sentiel pour profiter du meilleur des deux mondes.<\/p><p>Ces programmes sont con\u00e7us par des professionnels et pens\u00e9s pour r\u00e9pondre aux besoins concrets des entreprises. Les apprenants re\u00e7oivent<strong> un dipl\u00f4me certifi\u00e9 par l&rsquo;Universit\u00e9 de la Sorbonne<\/strong>, et 93% d&rsquo;entre eux ont trouv\u00e9 un emploi imm\u00e9diatement. <strong>D\u00e9couvrez les formations DataScientest !<\/strong><\/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-a1de683 elementor-align-center button-principale elementor-widget elementor-widget-button\" data-id=\"a1de683\" 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\/formations-data\">\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 nos formations en Data Science<\/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<div class=\"elementor-element elementor-element-36101c2 elementor-widget elementor-widget-text-editor\" data-id=\"36101c2\" 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>Vous savez tout sur la Cross-Validation. D\u00e9couvrez <a href=\"https:\/\/datascientest.com\/machine-learning-tout-savoir\">notre dossier complet sur le Machine Learning<\/a>\u00a0et <a href=\"https:\/\/datascientest.com\/python-tout-savoir\">notre introduction au langage Python<\/a>.<\/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\t\t\t\t\t<\/div>\n\t\t","protected":false},"excerpt":{"rendered":"<p>La Cross-Validation est une m\u00e9thode permettant de tester les performances d&rsquo;un mod\u00e8le pr\u00e9dictif de Machine Learning. D\u00e9couvrez les techniques les plus utilis\u00e9es, et comment apprendre \u00e0 les ma\u00eetriser. Apr\u00e8s avoir entra\u00een\u00e9 un mod\u00e8le de Machine Learning sur des donn\u00e9es \u00e9tiquet\u00e9es, celui-ci est suppos\u00e9 fonctionner sur de nouvelles donn\u00e9es. Toutefois, il est important de s&rsquo;assurer de [&hellip;]<\/p>\n","protected":false},"author":77,"featured_media":69680,"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>Cross-Validation ou Validation crois\u00e9e : d\u00e9finition et importance<\/title>\n<meta name=\"description\" content=\"La Cross-Validation ou validation crois\u00e9e est une \u00e9tape importante du Machine Learning et de l&#039;IA. D\u00e9couvrez tout ce qu&#039;il y a \u00e0 savoir \u00e0 son sujet.\" \/>\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\/cross-validation\" \/>\n<meta property=\"og:locale\" content=\"fr_FR\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Cross-Validation ou Validation crois\u00e9e : d\u00e9finition et importance\" \/>\n<meta property=\"og:url\" content=\"https:\/\/datascientest.com\/cross-validation\" \/>\n<meta property=\"og:site_name\" content=\"Formation Data Science | DataScientest.com\" \/>\n<meta property=\"article:published_time\" content=\"2021-05-03T12:43:26+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2023-11-09T14:07:26+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/datascientest.com\/wp-content\/uploads\/2021\/05\/illu_crossvalidation-06.png\" \/>\n\t<meta property=\"og:image:width\" content=\"1024\" \/>\n\t<meta property=\"og:image:height\" content=\"562\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/png\" \/>\n<meta name=\"author\" content=\"Raphael Kassel\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"\u00c9crit par\" \/>\n\t<meta name=\"twitter:data1\" content=\"Raphael Kassel\" \/>\n\t<meta name=\"twitter:label2\" content=\"Dur\u00e9e de lecture estim\u00e9e\" \/>\n\t<meta name=\"twitter:data2\" content=\"6 minutes\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/datascientest.com\/cross-validation\",\"url\":\"https:\/\/datascientest.com\/cross-validation\",\"name\":\"Cross-Validation ou Validation crois\u00e9e : d\u00e9finition et importance\",\"isPartOf\":{\"@id\":\"https:\/\/datascientest.com\/#website\"},\"datePublished\":\"2021-05-03T12:43:26+00:00\",\"dateModified\":\"2023-11-09T14:07:26+00:00\",\"author\":{\"@id\":\"https:\/\/datascientest.com\/#\/schema\/person\/6eca16f63daaafcbc96e15549b9d4ee1\"},\"description\":\"La Cross-Validation ou validation crois\u00e9e est une \u00e9tape importante du Machine Learning et de l'IA. D\u00e9couvrez tout ce qu'il y a \u00e0 savoir \u00e0 son sujet.\",\"inLanguage\":\"fr-FR\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/datascientest.com\/cross-validation\"]}]},{\"@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\/6eca16f63daaafcbc96e15549b9d4ee1\",\"name\":\"Raphael Kassel\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"fr-FR\",\"@id\":\"https:\/\/datascientest.com\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/datascientest.com\/wp-content\/uploads\/2023\/11\/raph.jpeg\",\"contentUrl\":\"https:\/\/datascientest.com\/wp-content\/uploads\/2023\/11\/raph.jpeg\",\"caption\":\"Raphael Kassel\"},\"description\":\"Raphael Kassel est le Head of Data Programs chez DataScientest. Il supervise une \u00e9quipe Data, impl\u00e9mente de nouveaux parcours comme \\\"Chef de projet IA\\\" et \\\"Data Product Manager\\\", et contribue \u00e0 la modernisation des op\u00e9rations du groupe. En collaboration \u00e9troite avec l'\u00e9quipe de d\u00e9veloppement, il adapte l'accompagnement acad\u00e9mique aux \u00e9volutions de l'\u00e9quipe data et \u00e0 l'internationalisation.\",\"sameAs\":[\"https:\/\/www.linkedin.com\/in\/raphaelkassel\/\",\"Data Science\"],\"url\":\"https:\/\/datascientest.com\/author\/raphaelkassel\"}]}<\/script>\n<!-- \/ Yoast SEO Premium plugin. -->","yoast_head_json":{"title":"Cross-Validation ou Validation crois\u00e9e : d\u00e9finition et importance","description":"La Cross-Validation ou validation crois\u00e9e est une \u00e9tape importante du Machine Learning et de l'IA. D\u00e9couvrez tout ce qu'il y a \u00e0 savoir \u00e0 son sujet.","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\/cross-validation","og_locale":"fr_FR","og_type":"article","og_title":"Cross-Validation ou Validation crois\u00e9e : d\u00e9finition et importance","og_url":"https:\/\/datascientest.com\/cross-validation","og_site_name":"Formation Data Science | DataScientest.com","article_published_time":"2021-05-03T12:43:26+00:00","article_modified_time":"2023-11-09T14:07:26+00:00","og_image":[{"width":1024,"height":562,"url":"https:\/\/datascientest.com\/wp-content\/uploads\/2021\/05\/illu_crossvalidation-06.png","type":"image\/png"}],"author":"Raphael Kassel","twitter_card":"summary_large_image","twitter_misc":{"\u00c9crit par":"Raphael Kassel","Dur\u00e9e de lecture estim\u00e9e":"6 minutes"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/datascientest.com\/cross-validation","url":"https:\/\/datascientest.com\/cross-validation","name":"Cross-Validation ou Validation crois\u00e9e : d\u00e9finition et importance","isPartOf":{"@id":"https:\/\/datascientest.com\/#website"},"datePublished":"2021-05-03T12:43:26+00:00","dateModified":"2023-11-09T14:07:26+00:00","author":{"@id":"https:\/\/datascientest.com\/#\/schema\/person\/6eca16f63daaafcbc96e15549b9d4ee1"},"description":"La Cross-Validation ou validation crois\u00e9e est une \u00e9tape importante du Machine Learning et de l'IA. D\u00e9couvrez tout ce qu'il y a \u00e0 savoir \u00e0 son sujet.","inLanguage":"fr-FR","potentialAction":[{"@type":"ReadAction","target":["https:\/\/datascientest.com\/cross-validation"]}]},{"@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\/6eca16f63daaafcbc96e15549b9d4ee1","name":"Raphael Kassel","image":{"@type":"ImageObject","inLanguage":"fr-FR","@id":"https:\/\/datascientest.com\/#\/schema\/person\/image\/","url":"https:\/\/datascientest.com\/wp-content\/uploads\/2023\/11\/raph.jpeg","contentUrl":"https:\/\/datascientest.com\/wp-content\/uploads\/2023\/11\/raph.jpeg","caption":"Raphael Kassel"},"description":"Raphael Kassel est le Head of Data Programs chez DataScientest. Il supervise une \u00e9quipe Data, impl\u00e9mente de nouveaux parcours comme \"Chef de projet IA\" et \"Data Product Manager\", et contribue \u00e0 la modernisation des op\u00e9rations du groupe. En collaboration \u00e9troite avec l'\u00e9quipe de d\u00e9veloppement, il adapte l'accompagnement acad\u00e9mique aux \u00e9volutions de l'\u00e9quipe data et \u00e0 l'internationalisation.","sameAs":["https:\/\/www.linkedin.com\/in\/raphaelkassel\/","Data Science"],"url":"https:\/\/datascientest.com\/author\/raphaelkassel"}]}},"_links":{"self":[{"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/posts\/62137"}],"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\/77"}],"replies":[{"embeddable":true,"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/comments?post=62137"}],"version-history":[{"count":0,"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/posts\/62137\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/media\/69680"}],"wp:attachment":[{"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/media?parent=62137"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/categories?post=62137"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/tags?post=62137"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}