Graphiques des résidus

Fait partie de la section Apprentissage supervisé du Journey Machine Learning de Coddy. Leçon 14 sur 58.

Un bon score peut masquer une forme inadaptée. Cette droite obtient un R carré de 0.82 sur une pâte qui lève, mais ses écarts forment une arche :

À gauche : la hauteur de la pâte en fonction des heures, qui augmente rapidement puis ralentit, avec une droite d’ajustement, R carré 0.82. À droite : les résidus en fonction des prédictions montent de -1.3 à +0.7 puis redescendent à -0.7, formant une arche autour de la ligne zéro en pointillés

Le graphique de droite est un graphique des résidus : chaque résidu, valeur réelle moins valeur prédite, en fonction de sa prédiction, avec une ligne à 0 :

residuals = y_test - pred
fig, ax = plt.subplots()
ax.scatter(pred, residuals)
ax.axhline(0, color="gray", linestyle="--")
plt.show()

Des résidus sains se répartissent comme du bruit autour de 0. Un motif indique que le modèle passe à côté de quelque chose : ici, que la hausse ralentit.

Avec plusieurs caractéristiques, trace aussi les résidus en fonction de chaque caractéristique : celle qui forme un arc masque la courbe.

Défi

Moyen

Une auto-école a ajusté une droite à 80 tests de freinage : speed_kmh et braking_m. Le code de départ conserve les prédictions des tests dans pred et ajoute des étiquettes au graphique.

Calcule les résidus.
Représente-les en nuage de points en fonction des prédictions, avec une ligne grise en pointillés à 0, puis affiche le graphique.

La droite ne passe-t-elle pas à côté d’une courbe ? À gauche, elle prédit même une distance de freinage négative.

Le graphique d’une droite bien ajustée, obtenu à partir d’autres données, ressemble à ceci :

Un graphique des résidus intitulé Une droite bien ajustée : vingt points dispersés sans motif au-dessus et au-dessous d’une ligne en pointillés à 0

Coddy décrit ton graphique.

Essayez vous-même

import pandas as pd
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression

brakes = pd.read_csv("braking.csv")
X_train, X_test, y_train, y_test = train_test_split(brakes[["speed_kmh"]], brakes["braking_m"], test_size=0.25, random_state=0)
model = LinearRegression()
model.fit(X_train, y_train)
pred = model.predict(X_test)

fig, ax = plt.subplots()
ax.set_title("Braking Line Check")
ax.set_xlabel("Predicted braking distance (m)")
ax.set_ylabel("Residual (m)")

# Écrivez votre code ci-dessous