Validation Croisée k-fold
Évaluation robuste d'un modèle
Enonce
Implémenter la validation croisée k-fold. Utiliser un classifieur 1-NN simple comme modèle. Calculer la précision moyenne et l'écart-type.
Signature attendue
def kfold_cross_validation(X, y, k: int) -> list:📖 Rappel de cours
La validation croisée k-fold divise les données en $k$ paquets. Tour à tour, chaque paquet sert de test, les $k-1$ autres d'entraînement.
Algorithme :
Pour $i = 1, \ldots, k$ :
• Fold $i$ = ensemble de test
• Reste = entraînement
• Entraîner le modèle, évaluer sur le fold $i$
Score final :
$\bar{s} = \frac{1}{k}\sum_{i=1}^{k} s_i \pm \text{écart-type}$
$k=5$ ou $k=10$ est courant. Réduit le biais d'évaluation par rapport au split simple.
← Exercices d'IA et d'apprentissage automatique en Python — CPGE
Exercices du meme theme
- Perceptron Simple
- Descente de Gradient
- Matrice de Confusion et Métriques
- Arbre de Décision Simple
- Normalisation des Données
- Métriques de Régression
La correction commentee, les indices progressifs, l'execution du code dans le navigateur et la verification par l'IA sont reserves aux abonnes.