2.dealing-with-numerical-data.ipynb

   ]
  },
  {
   "cell_type": "markdown",
   "id": "131aa45d-c4d4-4450-b502-65a2ee52a14e",
   "metadata": {},
   "source": [
    "Dans un modèle, on retrouve une succession de programmes, appelés **estimateurs**, où chaque couche reçoit les données transformées par la précédente. Ainsi, tous les estimateurs à l’exception du dernier sont des **transformateurs**. À la dernière couche se tient le **prédicteur**, l’algorithme avec lequel les données seront entraînées afin d’effectuer des prédictions sur de nouvelles informations :"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "1c324391-b172-4054-9bd5-99cfa6c01d91",
   "metadata": {},
   "outputs": [],
   "source": [
    "model = make_pipeline(\n",
    "    # fill the NA values\n",
    "    SimpleImputer(strategy=\"median\"),\n",
    "    # scale data\n",
    "    StandardScaler(),\n",
    "    # a linear regression\n",
    "    LinearRegression()\n",
    ")"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "dc6efe95-dfba-487a-adbf-d0e4c1cc9368",
   "metadata": {},
   "source": [
    "### 4e étape : entraîner le modèle et l’évaluer"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "04d9925c-7e3f-4fe4-b47f-2c3123834e1f",
   "metadata": {},
   "source": [
    "Les méthodes `.fit()` et `.score()` du modèle servent à réaliser les deux actions. Il convient de transmettre à la première les jeux d’entraînement constitués à partir des caractéristiques (`X_train`) et à partir de la variable cible (`y_train`) ; et à la seconde les jeux de test correspondants (`X_test` et `y_test`) :"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "143c07e4-ba51-44f9-ab83-d70987d991e6",
   "metadata": {},
   "outputs": [],
   "source": [
    "# train…\n",
    "model.fit(X_train, y_train)\n",
    "\n",
    "# … then evaluate!\n",
    "model.score(X_test, y_test)"
   ]
  }
 ],
 "metadata": {
  "kernelspec": {
   "display_name": "Python 3 (ipykernel)",
   "language": "python",
   "name": "python3"
  },
  "language_info": {
   "codemirror_mode": {
    "name": "ipython",
    "version": 3
   },
   "file_extension": ".py",
   "mimetype": "text/x-python",
   "name": "python",
   "nbconvert_exporter": "python",
   "pygments_lexer": "ipython3",
   "version": "3.10.6"
  }
 },
 "nbformat": 4,
 "nbformat_minor": 5
}