L'API des estimateurs

Un modèle est un objet avec un contrat

Tout dans scikit-learn est un estimateur, et chaque estimateur suit le même contrat. On le crée avec ses réglages, appelés hyperparamètres, par exemple la force d'une pénalité. On appelle $\mathrm{fit}(X,y)$ pour qu'il apprenne des données. Ce qu'il a appris est rangé dans des attributs dont le nom finit par un tiret bas, comme la moyenne ou les coefficients. Ensuite on l'utilise : un préprocesseur offre $\mathrm{transform}(X)$, un modèle offre $\mathrm{predict}(X)$. L'appel $\mathrm{fit\_transform}$ est fit suivi de transform. Le tableau $X$ a une ligne par échantillon et une colonne par variable, et $y$ est la cible. Comme le contrat est le même partout, on peut remplacer un modèle par un autre en gardant le reste du code.

La règle d'or est que $\mathrm{fit}$ ne doit voir que les données d'entraînement. Les nombres qu'un préprocesseur apprend, comme $\hat\mu$ et $\hat\sigma$, sont ensuite appliqués tels quels aux données de validation et de test par $\mathrm{transform}$. Si l'on ajustait le normaliseur sur tous les jours, les jours de test auraient façonné la mise à l'échelle : une fuite discrète du futur. Des réglages comme $\mathrm{random\_state}$ rendent les exécutions répétables, et $\mathrm{clone}$ construit une copie neuve non ajustée d'un estimateur, ce que fait la validation croisée pour chaque pli. Dans les labs de données de marché de cette compétence, les lignes sont des couples action-mois et les colonnes des variables comme le momentum et la volatilité.

• Réglages en entrée, nombres appris en sortie : les hyperparamètres vont dans le constructeur, les nombres appris finissent par un tiret bas.
• Ajuster sur l'entraînement seulement : transform et predict réutilisent les nombres appris sur n'importe quelles données.
• Même contrat partout : remplacer un modèle par un autre conserve le reste du code.

Lab : ce qui est noté

• Ce que le normaliseur apprend : la moyenne10 pts
• Ce que le normaliseur apprend : l'écart type10 pts
• Transformer une valeur de test10 pts
• Ce que la régression apprend : la pente15 pts
• Une prévision10 pts
• Quels attributs sont appris10 pts
• Un flux de travail sûr10 pts
• Associer le vocabulaire10 pts
• Pourquoi ajuster le normaliseur sur l'entraînement seulement15 pts