Ajuster le(s) modèle(s)

Vous êtes enfin prêt à ajuster les modèles et à sélectionner le meilleur !

Malheureusement, la validation croisée est une procédure très gourmande en ressources informatiques. L'ajustement de tous les modèles prendrait trop de temps sur DataCamp.

Pour effectuer cette opération localement, vous devez utiliser le code suivant :

# Fit cross validation models
models = cv.fit(training)

# Extract the best model
best_lr = models.bestModel

Rappelez-vous que les données d'apprentissage s'appellent training et que vous utilisez lr pour ajuster un modèle de régression logistique. La validation croisée a permis de sélectionner les valeurs des paramètres regParam=0 et elasticNetParam=0 comme étant les meilleures. Il s'agit des valeurs par défaut, vous n'avez donc pas besoin de faire quoi que ce soit d'autre avec lr avant d'ajuster le modèle.