Entraînement et test en Machine Learning : pourquoi séparer les données ?
Lorsqu’un modèle fonctionne bien sur les données utilisées pour l’entraîner, cela ne suffit pas à démontrer qu’il se comportera correctement sur de nouvelles données.
C’est pourquoi la distinction entre entraînement et test constitue une notion fondamentale du Machine Learning.
Qu’est-ce que l’entraînement ?
L’entraînement correspond à la phase pendant laquelle le modèle apprend à partir des données mises à sa disposition.
Il ajuste son comportement afin de répondre au problème étudié.
Qu’est-ce que le test ?
Le test permet d’examiner le comportement du modèle sur des données qui n’ont pas joué le même rôle pendant son apprentissage.
L’objectif est d’obtenir une meilleure indication de sa capacité à traiter de nouveaux exemples.
Pourquoi ne pas tout utiliser pour l’entraînement ?
Si l’on examine uniquement le modèle sur les données qu’il a déjà utilisées pour apprendre, on risque d’obtenir une vision trop favorable de son comportement.
Il est donc utile de conserver des données pour l’évaluation.
Quelle progression retenir ?
Une représentation simplifiée est :
données → séparation → entraînement → prédiction → test/évaluation.
Cette représentation sert à comprendre le principe et ne constitue pas une procédure universelle pour tous les projets.
Quel lien avec le surapprentissage ?
Un modèle peut apprendre trop précisément certaines particularités des données d’entraînement et moins bien fonctionner sur de nouvelles données.
C’est le problème du surapprentissage.
La séparation entraînement/test aide à mieux observer ce type de difficulté.
Est-ce suffisant pour garantir un bon modèle ?
Non.
L’évaluation d’un modèle dépend du problème, des données et de la méthodologie adoptée.
La séparation entraînement/test constitue une base, pas une garantie automatique.
La proportion exacte de données est-elle toujours la même ?
Non.
Il n’existe pas une proportion unique adaptée à toutes les situations.
Le programme public ne publie d’ailleurs pas de ratio obligatoire à appliquer.
Pourquoi apprendre cela dès le niveau débutant ?
Parce que cette distinction développe une idée essentielle :
un modèle doit être évalué au-delà des exemples qu’il a utilisés pour apprendre.
Guides complémentaires
- Formation Intelligence Artificielle & Data au CAFP Casablanca →
- Machine Learning : définition simple pour débuter →
- Classification en Machine Learning : comment ça fonctionne ? →
- Régression en Machine Learning : qu’est-ce que c’est ? →
- Comment évaluer un modèle de Machine Learning ? →
- Surapprentissage en Machine Learning : comprendre l’overfitting →
FAQ — Intelligence Artificielle & Data
Qu’est-ce que le jeu d’entraînement?
Les données utilisées pour l’apprentissage du modèle.
Qu’est-ce que le jeu de test?
Des données utilisées pour examiner son comportement après l’apprentissage.
Pourquoi les séparer?
Pour mieux évaluer la capacité du modèle à traiter de nouvelles données.
Existe-t-il un ratio obligatoire?
Non, pas universellement.
Cette notion est-elle au programme?
Oui.
Consultez la page principale de cette filière pour retrouver la durée, les conditions d’admission et les informations de préinscription.