IA_P04

Etapes du projet :

1. Créer un projet Git
2. Explorer les données
3. Features Engineering ( min 3 nouvelles features )
4. Normaliser les données (si besoin)
5. Prendre en compte le déséquilibre des classes (SMOTE, class_weight)
6. Entrainer un modèle (un linéaire ou un non-linéaire)
7. Pour le scoring, favoriser le faux négatifs (recall tend vers 1)
8. Graph de l'importance des variables
9. Prédire les données
10. Comparer les résultats
11. Cross-validation
12. Synthèse des résultats des modèles
13. choix de la métrique (recall, f1)

14. [x] optimisation des hyperparamètres (grâce à cross-validation)

    • Afficher plus de métriques (ROC Curve)