Retour aux cas pratiques
Machine LearningFondamental
Correction d’un pipeline incluant la cible dans les features
Scénario
Contexte : Un modèle affiche des performances irréalistes lors des tests. Le Problème : La variable cible a été incluse accidentellement dans les variables d’entrée. Extrait logique actuelle : X = dataset Sans suppression de la colonne target. Contraintes : Séparer explicitement X et y. Vérifier absence de fuite de données. Réentraîner le modèle. Livrable attendu : Proposer une correction garantissant un entraînement sans fuite d’information.
Compétences ciblées
data-leakageclassificationbugfixpipelineevaluation