Évaluer un modèle

Tout au long de ce cours, vous avez travaillé sur un projet de classification des maladies cardiaques avec le Machine Learning. Vous avez nettoyé le jeu de données, réalisé de l’ingénierie des caractéristiques et entraîné votre modèle.

Ici, vous allez mettre en pratique les méthodes apprises pour évaluer un modèle. Vous évaluerez un modèle de Machine Learning avec des métriques d’erreur adaptées, visualiserez les résultats d’évaluation et repérerez d’éventuels surapprentissages en vue d’une mise en production. À la fin de cet exercice, vous aurez une compréhension plus approfondie des techniques d’évaluation et de visualisation des modèles.

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