Correction d’un modèle mal évalué sans validation croisée

Scénario

Contexte : Un modèle Deep Learning est évalué sur un seul split train/test. Le Problème : Les performances varient fortement selon le découpage. Extrait logique actuelle : train_test_split(X, y) Sans validation supplémentaire. Contraintes : Mettre en place validation croisée adaptée ou validation multiple. Comparer stabilité des résultats. Garantir reproductibilité. Livrable attendu : Proposer une stratégie d’évaluation plus robuste pour un modèle Deep Learning.

Compétences ciblées