mlops_learn/ML-Model-Generalization
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

fix: Remplacement des emojis par du texte clair dans EXAMEN.md

Browse Source 
Les emojis (✅ ❌ 🚀) ne s'affichent pas correctement selon le viewer Markdown.
Remplacés par du texte clair :
- ✅ → **[OK]** ou "OK :"
- ❌ → **[NON]** ou "ERREUR"
- 🚀 → supprimé

Cela garantit un affichage cohérent sur tous les viewers (GitHub, GitLab, éditeurs locaux).

🤖 Generated with [Claude Code](https://claude.com/claude-code)
This commit is contained in:
spham 2025-11-12 18:53:03 +01:00
parent 320ed709f0
commit b4294cdaa1
1 changed files with 9 additions and 9 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

18
docs/EXAMEN.md
View File

@ -276,9 +276,9 @@ Epoch 5: val_loss = 0.41
**1. Arrêt : Epoch 5** **1. Arrêt : Epoch 5**
Analyse epoch par epoch : Analyse epoch par epoch :
- Epoch 1 → 2 : amélioration de 0.05 (0.50 - 0.45 = 0.05) ✅ = min_delta - 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) ❌ < min_delta (compteur = 1) - 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) ❌ < min_delta (compteur = 2) - Epoch 3 → 4 : amélioration de 0.01 (0.43 - 0.42 = 0.01) **[NON]** < min_delta (compteur = 2)
- **Compteur atteint patience=2 → STOP** - **Compteur atteint patience=2 → STOP**
**2. Poids restaurés : Epoch 2** **2. Poids restaurés : Epoch 2**
@ -417,8 +417,8 @@ y_pred = model.predict(X_test)
Ligne problématique : Ligne problématique :
```python ```python
X_val = scaler.fit_transform(X_val) # ❌ ERREUR X_val = scaler.fit_transform(X_val) # ERREUR
X_test = scaler.fit_transform(X_test) # ❌ ERREUR X_test = scaler.fit_transform(X_test) # ERREUR
``` ```
**Pourquoi c'est un problème ?** **Pourquoi c'est un problème ?**
@ -430,9 +430,9 @@ X_test = scaler.fit_transform(X_test) # ❌ ERREUR
```python ```python
# Normalisation # Normalisation
scaler = StandardScaler() scaler = StandardScaler()
X_train = scaler.fit_transform(X_train) # ✅ fit + transform sur train X_train = scaler.fit_transform(X_train) # OK : fit + transform sur train
X_val = scaler.transform(X_val) # ✅ transform seulement (utilise stats de train) X_val = scaler.transform(X_val) # OK : transform seulement (utilise stats de train)
X_test = scaler.transform(X_test) # ✅ 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. **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. **Astuce :** Ne regardez pas les réponses immédiatement. Essayez d'abord de répondre, puis vérifiez et comprenez vos erreurs.
Bon apprentissage ! 🚀 Bon apprentissage !