Correction d’un modèle SVM sans normalisation des données

Scénario

Contexte : Un SVC donne des performances faibles et instables. Le Problème : Les variables ont des échelles différentes. Extrait logique actuelle : model = SVC() model.fit(X_train, y_train) Sans StandardScaler. Contraintes : Intégrer StandardScaler dans Pipeline. Réentraîner modèle. Comparer performance avant/après. Livrable attendu : Corriger le pipeline pour garantir cohérence et amélioration des performances du SVM.

Compétences ciblées