Correction d’un modèle surapprenant avec profondeur excessive

Scénario

Contexte : Un DecisionTreeClassifier atteint 100% sur le train mais chute sur validation. Le Problème : L’arbre est trop profond et surapprend. Extrait logique actuelle : DecisionTreeClassifier(max_depth=None) Contraintes : Ajuster max_depth, min_samples_split ou min_samples_leaf. Comparer performances train/validation. Livrable attendu : Proposer une configuration réduisant le surapprentissage tout en conservant performance satisfaisante.

Compétences ciblées