Évaluer un modèle

Tout au long de ce cours, vous avez travaillé sur un projet de classification des maladies cardiaques à l'aide du Machine Learning. Vous avez nettoyé l'ensemble de données, effectué de l'ingénierie des caractéristiques et entraîné votre modèle.

Ici, vous allez mettre en pratique les méthodes vues jusqu'à maintenant pour évaluer un modèle. Vous évaluerez un modèle de Machine Learning avec des mesures d'erreur appropriées, visualiserez les résultats de l'évaluation et repérerez un possible surapprentissage en vue du déploiement. À la fin de cet exercice, vous aurez une compréhension plus approfondie des techniques d'évaluation et de visualisation de modèles.

• Le modèle de régression logistique entraîné est chargé sous le nom model
• KFold et cross_val_score sont importés de sklearn.model_selection
• confusion_matrix est importé de sklearn.metrics.
• Les variables heart_disease_df_X et heart_disease_df_y ont déjà été importées.