Correction d’un pipeline avec data leakage via normalisation globale

Scénario

Contexte : Un modèle de régression est entraîné pour prédire des ventes mensuelles. Le Problème : La normalisation des données est effectuée avant la séparation train/test, introduisant une fuite d’information. Extrait logique actuelle : scaler.fit_transform(X) train_test_split(X, y) Contraintes : Appliquer la normalisation uniquement sur les données d’entraînement. Réutiliser les paramètres pour le test. Maintenir reproductibilité. Livrable attendu : Proposer une correction du pipeline éliminant toute fuite de données liée au prétraitement.

Compétences ciblées