Scikit-learn
Avancé
Correction d’un modèle SVM sans normalisation des données

Type d'évaluation

Mise en situation réelle

Analyse

Intelligence Artificielle

Compétences ciblées

svm
normalization
pipeline
bugfix
classification

Scénario Technique

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.

Prêt à évaluer ce talent ?

Accédez à l'interface de test complète pour soumettre votre architecture ou votre code.

Commencer le Défis
    Scikit-learn - Correction d’un modèle SVM sans normalisation des données | Test Technique & Recrutement