##  [Validation Croisée (Modélisation)](/fr/node/52516) 

 Définition

Procédure statistique qui estime la performance hors-échantillon d'un modèle prédictif en repartissant les données observées en sous-ensembles complémentaires d'entraînement et d'évaluation de manière répétée ; comprend les variantes k-fold, leave-one-out, rolling-origin et stratifiées adaptées aux structures de données différentes.

 

 

 

 

 

 





## Principe

Principe

Séparer l'ajustement du modèle de son évaluation pour que la performance mesurée reflète le comportement attendu sur des données non vues ; répéter des partitionnements indépendants pour réduire la variance et détecter le surapprentissage.

 

 

 

 

 





## Démonstration

Démonstration

En notation de crédit, une validation croisée k-fold stratifiée entraîne un classificateur sur 9 folds et mesure la performance sur le fold retenu, en répétant sur les folds pour estimer l'AUC moyenne et sa variabilité ; pour la prévision du PIB, la validation croisée en origine glissante préserve l'ordre temporel pour évaluer la performance aux horizons de prévision.

 

 

 

 

## Mauvaise application

Mauvaise application

Appliquer une validation croisée k-fold aléatoire à une série temporelle sans préserver l'ordre, laissant fuiter des informations futures dans l'entraînement ; effectuer un prétraitement (sélection de variables, normalisation) sur l'ensemble complet avant le découpage, ce qui induit un biais optimiste.

 

 

 

 

 





## Conséquence

Conséquence

Fournit des estimations de généralisation plus fiables et moins biaisées que des séparations entraînement/test uniques, et oriente la sélection d'hyperparamètres et la comparaison de modèles avec une incertitude quantifiée.

 

 

 

 

## Inversion

Inversion

Évaluer un modèle uniquement sur l'ajustement intra-échantillon ou sur un seul jeu de validation arbitraire conduit à des estimations de performance optimistes ou instables et augmente le risque de choisir des modèles surajustés.

 

 

 

 

 





## Limite

Limite

S'applique à l'évaluation de modèles prédictifs, pas à l'identification causale ; exige que les folds de validation soient tirés d'une manière cohérente avec le contexte de déploiement (p. ex. structure temporelle, déséquilibre des classes) ; ne corrige pas en soi les biais de sélection d'échantillon ou les changements de distribution.

 

 

 

 

 





## Tension sémantique

Tension sémantique

Souvent confondue avec une simple séparation de validation ou avec le bootstrap ; contrairement à une validation externe sur de nouvelles données, la validation croisée réutilise le même échantillon observé et suppose sa représentativité et l'indépendance adaptées à la variante employée.

 

 

 

 

 





## Synthèse

Synthèse

La validation croisée est un protocole réplicable qui estime la performance prédictive attendue d'un modèle en repartitionnant les données en ensembles d'entraînement et de validation de façon à refléter le contexte d'exploitation visé, réduisant ainsi le risque de surapprentissage et informant la sélection de modèle.