Machine learning : les fondamentaux

CHAPITRE 15 Métriques et évaluation des régressions

Ce chapitre montre comment évaluer les résultats d’une régression de forêt aléatoire. Les exemples se fondent sur le jeu de données des prix de l’immobilier dans la région de Boston :

>>> rfr = RandomForestRegressor(
...    random_state=42, n_estimators=100
... )
>>> rfr.fit(bos_X_train, bos_y_train)

Métriques

Le module sklearn.metrics contient des moyens de mesure pour évaluer les modèles de régression. Toutes les fonctions métriques qui se terminent par loss ou error doivent être minimisées alors que celles qui se terminent par score doivent être maximisées.

Une métrique de régression habituelle est le coefficient de détermination (r²) variant entre zéro et un. Il désigne le pourcentage de variance ...