Validation croisée en apprentissage automatique | K-Fold, Stratifiée, LOOCV & CV imbriquée expliquée
Pourquoi votre modèle obtient-il 99 % lors de l'entraînement, puis échoue complètement sur de nouvelles données ? Dans cette vidéo, nous décomposons la validation croisée — la technique qui vous indique si votre modèle a réellement appris quelque chose de concret ou s'il a simplement mémorisé les réponses.
Ce que vous apprendrez :
– Pourquoi une seule séparation train/test est peu fiable et produit une variation de précision de 17 %
– Ce qu'est la validation croisée et comment elle élimine la variance de séparation
– K-Fold CV : l'algorithme, les mathématiques et une démonstration animée complète
– K-Fold stratifié : préservation de l'équilibre des classes dans chaque pli
– Leave-One-Out CV (LOOCV) : biais le plus bas, coût le plus élevé — quand l'utiliser
– Le compromis biais-variance révélé visuellement à travers les scores de CV
– Séparation de séries temporelles, K-Fold groupé, K-Fold répété et d'autres stratégies
– Comment choisir K : 5 vs 10 vs LOOCV — le compromis mathématique
– Fuite de données, mauvaise utilisation de l'ensemble de test et l'erreur numéro 1 que commettent les praticiens
– CV imbriquée : évaluation honnête tout en ajustant simultanément les hyperparamètres
– Quelles métriques utiliser et comment rapporter les résultats de CV avec moyenne ± écart-type
⏱ Chapitres :
– Introduction & Le problème central
– Pourquoi une seule séparation échoue
– Qu'est-ce que la validation croisée ?
– Algorithme K-Fold étape par étape
– K-Fold visualisé (toutes les 5 itérations)
– Les mathématiques de K-Fold
– K-Fold stratifié expliqué
– Leave-One-Out CV (LOOCV)
– Compromis biais-variance en CV
– Aperçu des stratégies de CV
– Comment choisir K
– CV en pratique : erreurs & meilleures pratiques
– Validation croisée imbriquée
– Métriques, rapport et interprétation
– Résumé & Points clés
#validationcroisée #apprentissageautomatique #kfold #kfoldstratifié #loocv #cvimbriquée #basesdedonnées #évaluationdemodèle #biaisvariance #apprentissageprofond #explicationai #métriquesml #surapprentissage #fuitededonnées #scikitlearn #intelligenceartificielle #visualisationdedonnées #basesml #entrainementtest #vecteurshield