diff --git a/docs/EXAMEN.md b/docs/EXAMEN.md index f5c354c..dc2047e 100644 --- a/docs/EXAMEN.md +++ b/docs/EXAMEN.md @@ -276,9 +276,9 @@ Epoch 5: val_loss = 0.41 **1. Arrêt : Epoch 5** Analyse epoch par epoch : -- Epoch 1 → 2 : amélioration de 0.05 (0.50 - 0.45 = 0.05) ✅ = min_delta -- Epoch 2 → 3 : amélioration de 0.02 (0.45 - 0.43 = 0.02) ❌ < min_delta (compteur = 1) -- Epoch 3 → 4 : amélioration de 0.01 (0.43 - 0.42 = 0.01) ❌ < min_delta (compteur = 2) +- Epoch 1 → 2 : amélioration de 0.05 (0.50 - 0.45 = 0.05) **[OK]** = min_delta +- Epoch 2 → 3 : amélioration de 0.02 (0.45 - 0.43 = 0.02) **[NON]** < min_delta (compteur = 1) +- Epoch 3 → 4 : amélioration de 0.01 (0.43 - 0.42 = 0.01) **[NON]** < min_delta (compteur = 2) - **Compteur atteint patience=2 → STOP** **2. Poids restaurés : Epoch 2** @@ -417,8 +417,8 @@ y_pred = model.predict(X_test) Ligne problématique : ```python -X_val = scaler.fit_transform(X_val) # ❌ ERREUR -X_test = scaler.fit_transform(X_test) # ❌ ERREUR +X_val = scaler.fit_transform(X_val) # ERREUR +X_test = scaler.fit_transform(X_test) # ERREUR ``` **Pourquoi c'est un problème ?** @@ -430,9 +430,9 @@ X_test = scaler.fit_transform(X_test) # ❌ ERREUR ```python # Normalisation scaler = StandardScaler() -X_train = scaler.fit_transform(X_train) # ✅ fit + transform sur train -X_val = scaler.transform(X_val) # ✅ transform seulement (utilise stats de train) -X_test = scaler.transform(X_test) # ✅ transform seulement (utilise stats de train) +X_train = scaler.fit_transform(X_train) # OK : fit + transform sur train +X_val = scaler.transform(X_val) # OK : transform seulement (utilise stats de train) +X_test = scaler.transform(X_test) # OK : transform seulement (utilise stats de train) ``` **Règle d'or :** Ne jamais `fit` sur validation ou test. Toujours utiliser les statistiques (moyenne, écart-type) calculées sur le training set uniquement. @@ -640,4 +640,4 @@ Train et test accuracy basses et similaires. Le modèle est trop simple. **Astuce :** Ne regardez pas les réponses immédiatement. Essayez d'abord de répondre, puis vérifiez et comprenez vos erreurs. -Bon apprentissage ! 🚀 +Bon apprentissage !