Introduction
Dans ce laboratoire, nous utiliserons le modèle de régression Elastic-Net de Scikit-learn pour illustrer pourquoi les performances d'un estimateur sur des données non vues (données de test) ne sont pas les mêmes que celles sur les données d'entraînement. Nous allons générer des données d'échantillonnage, calculer les erreurs d'entraînement et de test, et tracer les fonctions des résultats.
Conseils sur la machine virtuelle
Une fois le démarrage de la machine virtuelle terminé, cliquez dans le coin supérieur gauche pour basculer vers l'onglet Carnet de notes pour accéder au carnet Jupyter pour pratiquer.
Parfois, vous devrez peut-être attendre quelques secondes pour que le carnet Jupyter ait fini de charger. La validation des opérations ne peut pas être automatisée en raison des limitations du carnet Jupyter.
Si vous rencontrez des problèmes pendant l'apprentissage, n'hésitez pas à demander à Labby. Donnez des commentaires après la session, et nous réglerons rapidement le problème pour vous.