Le R² ajusté mesure dans quelle mesure un modèle de régression explique la variabilité des données, en tenant compte du nombre de variables explicatives. Le R² simple augmente à chaque variable ajoutée, même inutile ; la version ajustée pénalise les variables superflues. On peut ainsi comparer plus équitablement des modèles de tailles différentes, par exemple une prévision des ventes fondée sur trois facteurs plutôt que dix.
Agents, flux et modèles dans un seul espace de travail – démo gratuite de 24 heures.
Lancer la démoLa régression linéaire est une méthode statistique qui décrit la relation entre une variable cible et une ou plusieurs variables explicatives au moyen d'une droite ou d'un plan. Les coefficients sont généralement choisis de façon à minimiser la somme des carrés des écarts. La méthode est simple à comprendre et à interpréter : elle permet par exemple d'estimer de combien le chiffre d'affaires augmente si le budget publicitaire croît de 1 000 euros. Elle atteint ses limites face à des relations non linéaires.
Le surapprentissage (overfitting) se produit lorsqu’un modèle mémorise les données d’entraînement, y compris leurs aléas et leur bruit, au lieu de saisir des régularités générales. Il paraît alors très précis sur les données connues, mais donne de mauvais résultats sur de nouvelles données. Un écart important entre erreur d’entraînement et erreur de test en est le signe typique. Les remèdes : davantage de données ou des données plus variées, des modèles plus simples, la régularisation, le dropout et la validation croisée.
L’erreur absolue moyenne (Mean Absolute Error, MAE) indique de combien les prédictions d’un modèle s’écartent en moyenne des valeurs réelles, quel que soit le sens de l’écart. Elle s’exprime dans l’unité de la grandeur prédite et reste donc facile à comprendre. Exemple : une MAE de 12 pour une prévision des ventes journalières signifie que le modèle se trompe en moyenne de 12 unités. Elle pondère moins les valeurs aberrantes que l’erreur quadratique.
La régularisation regroupe des techniques qui empêchent un modèle de trop coller à ses données d'entraînement (surapprentissage). On pénalise par exemple les poids trop élevés (régularisation L1 ou L2), on désactive aléatoirement des neurones (dropout) ou on arrête l'entraînement au bon moment (early stopping). L'objectif est un modèle plus simple, plus fiable sur des données nouvelles, même s'il obtient un score un peu inférieur sur les données d'entraînement.
