fix(notebook,#19624): Lab5 Track1 -- etape ML non degeneree (jeu riche + baseline majoritaire)

[jsboige]

Grain: DEEP/notebook-python — lane myia-po-2026:CoursIA — prev: LIGHT/docs #19542

Le défaut

L'étape « Machine Learning » du Lab 5 (Track1-LangChain/Day3-Data-Agents/Labs/Lab5-Viz-ML) s'entraînait sur les 7 lignes de transactions.csv :

Donnees preparees : 4 echantillons d'entrainement, 2 de test
Précision du modèle : 1.00

Sur deux exemples de test, la précision ne peut valoir que 0.00, 0.50 ou 1.00 : aucune de ces valeurs ne mesure quoi que ce soit. Le moteur SOTA (régression logistique) y équivalait à une baseline triviale — c'est exactement le cas dégénéré que vise le critère de richesse de problème.

Ce que fait la PR

Voie 3 de l'issue (arbitrage déclaré au claim) : transactions.csv reste le fil des étapes data (nettoyage, visualisations, Exercice 2), et la seule étape ML bascule sur le jeu wine de scikit-learn — 178 échantillons, 13 variables numériques, 3 classes.

Le vocabulaire du carnet est préservé (categorie reste le nom de la cible) et les noms consommés en aval (model, y_test, y_pred, X_train, y_train, accuracy) sont inchangés : les Exercices 2 et 3 ne sont pas réécrits.

Le fichier CSV n'a pas été élargi : sa saleté (valeur manquante, date entre guillemets) est le matériel d'exercice du Lab 4, et l'élargir aurait cassé le laboratoire précédent.

Après (exécuté, sortie committée)

Donnees preparees : 124 echantillons d'entrainement, 54 de test
Features : 13 variables numeriques | Target : categorie (3 classes)
Repartition des classes : {0: 59, 1: 71, 2: 48}

Précision du modèle : 0.981
Précision de la baseline majoritaire : 0.389
Écart au-dessus de la baseline : +0.593

Trois ajouts au-delà de la bascule

1. Baseline majoritaire. C'est elle qui rend le score interprétable : une précision seule peut ne refléter que des classes déséquilibrées. Le carnet imprime désormais l'écart, et la cellule d'interprétation explique les trois cas (écart positif / nul / négatif — ce dernier étant un signal d'alarme, pas un résultat).
2. StandardScaler dans un Pipeline. Les 13 variables s'expriment dans des unités incomparables (proline ~centaines, hue ~unités) : un ajustement sans standardisation laissait un ConvergenceWarning dans la sortie committée — une sortie qu'on ne peut pas interpréter. Corrigé par la cause, pas par un scrub.
3. stratify=y au split, pour conserver la proportion des trois classes dans les deux ensembles.

Cohérence des exercices

Laisser une courbe ROC tracée sur 2 points de test (Exercice 4) aurait reconduit le même défaut dans la même section. Les Exercices 1 (partie binaire) et 4 sont donc ré-ancrés sur le jeu riche : cible binaire alcool_eleve (teneur en alcool au-dessus de la médiane), même geste « seuil sur une variable numérique → classification binaire → ROC ». Les cellules restent des stubs (None # TODO etudiant) : C.1 est respectée.

Fusion avec #19625 (main avait touché le même carnet)

main a reçu #19625 (nav/H1 au canon, exercices avant Conclusion, lecture ancrée, accents) sur ce même carnet pendant que cette branche le réécrivait — conflit réel. Résolution cellule par cellule, pas ligne à ligne :

• l'ordre et la structure viennent de main — le réordonnancement pédagogique de Fix(ml,#17387): Lab5 — nav/H1 au canon, exercices avant Conclusion, lecture ancrée, accents #19625 est une décision délibérée, on ne la défait pas ;
• 18 cellules identiques, 6 changées par main seul (prises telles quelles), 5 par moi seul (gardées), 2 en vrai désaccord, composées à la main :
  • l'interprétation du score — les deux côtés avaient diagnostiqué le même défaut : main écrivait « ici 1.00, méfiez-vous, transactions.csv est minuscule », devenu faux après la bascule. Composition retenue : mon interprétation contre la baseline (vraie) plus la leçon de méthode de main, qui reste vraie (« un score ne se lit qu'avec le volume de test qui le porte ») ;
  • l'Exercice 4 — texte de main (accents, bloc Référence Fawcett) avec mon ré-ancrage (alcool_eleve sur df_ml) appliqué par-dessus ;
• ré-exécution complète post-fusion : les sorties des 31 cellules viennent toutes du même run.

Aucune des contributions de #19625 n'est perdue : ses 6 cellules modifiées, sa cellule ajoutée et son réordonnancement sont dans la tête fusionnée.

Diff

Un seul fichier, 2 commits (le correctif, puis la fusion de main) :

 MyIA.AI.Notebooks/ML/.../Lab5-Viz-ML/Lab5-Viz-ML.ipynb | 453 ++++---
 1 file changed, 453 insertions(+), 247 deletions(-)

Mes cellules dans l'ordre fusionné : 14, 15, 17, 18, 20, 25, 26 (les indices de la première version, avant le réordonnancement de #19625, étaient 14, 15, 17, 18, 22, 27, 28).

Preuves d'exécution et gardes

Ré-exécution réelle (C.2) : py -3.13 -m papermill -k python313, --cwd du dossier du carnet (le CSV est résolu depuis Path.cwd()), refaite après la fusion.

metadata.kernelspec est restauré à celui de la base (python3) : 3.13.13 est le même major.minor que la base (3.13.12), et le nom du kernelspec est une déclaration de portabilité du carnet, pas un fait d'exécution — l'exécuter sous le kernel python3 local (Python 3.11) aurait produit une dérive de version.

Garde	Résultat
check_c2_compliance.py	1/1 notebooks compliant
check_exec_sequence.py	fully executed: 1, CLEAN (1..N): 1, 0 DIRTY
check_cell_source_parses.py	findings: 0
check_kernel_drift.py origin/main	OK: 0 regression
check_output_failure_text.py origin/main	0 regressed
check_output_collapse.py / check_source_collapse.py (advisory)	0 flagged
check_prose_quantitative_claims.py --strict	rc=0
check_notebook_nav_chain.py --check	OK: 0 NEW finding vs baseline
check_interp_positioning.py --check	OK: no new misplaced interp cells
Fuites de chemin machine dans les sorties	0
Erreurs volontaires (C.1)	0

Tous ces gardes ont été passés après la ré-exécution post-fusion, sur la tête committée.

Note sur prose-counts-guard (bloquant, #17636) : il attrape tout « N lignes » en chiffres. Mes trois occurrences décrivaient la taille d'un fichier de données pédagogique (transactions.csv), pas un compte d'artefact du dépôt — elles sont passées en lettres (« sept lignes ») et la mention redondante de la cellule de code a été supprimée. L'information reste au lecteur ; le rejeu --strict rend rc=0.

Hors périmètre

Le fichier CSV du Lab 4, les notebooks voisins du Track 1 et le contrat de données des Exercices 2-3 sont inchangés.

See #19624

🤖 Generated with Claude Code

[github-actions]

⚠️ Prose/output review needed in the notebooks this PR changed: a numeric value is not anchored, an explicit relation is contradicted, or its evidence is missing. These cases remain distinct in the JSON report; the signal is advisory, NOT a merge gate.

Scope = notebooks CHANGED in this PR, not the whole corpus. Explicit claim-check relations resolve only against named CLAIM_METRICS from the local output window and are classified SUPPORTED, CONTRADICTED, or UNPROVEN.
The markdown-claims-output-report run artifact contains the structured JSON report. See python scripts/check_markdown_claims_output.py --help for re-running locally.
Detector rationale: c.290 / c.331 / PR #11435 numeric pathology, extended with low-noise relational evidence.

[github-actions]

✅ No unanchored measurement claim detected in the notebooks this PR changed.

Scope = notebooks CHANGED in this PR, not the whole corpus. The stale-claim-report run artifact holds the structured JSON.
Rationale: the sibling detector above only compares a claim to the outputs of the cells that PRECEDE it; a claim written in a cell that precedes its code (App-5-Timetabling c.2/c.4) is invisible to it, and a value imported from a twin notebook is never produced locally. See python scripts/check_stale_claims.py --help.

[github-actions]

✅ No factual mislabel detected in the notebooks this PR changed (entity counts and tuple formulas checked against nearby committed streams).

Scope = notebooks CHANGED in this PR, not the whole corpus. The factual-mislabel-report run artifact holds the structured JSON.
Rationale: pure ABSENCE of a claimed value is the sibling stale-claim detector's job; this one only reports CONTRADICTIONS between an adjacent code cell's stream and the markdown that describes it. See python scripts/check_factual_mislabel.py --help.

[github-actions]

No organ-duplication: no added def/class collides with another series organ API (scripts/audit/organ_api_index.yaml).

Detector: python scripts/audit/detect_organ_duplication.py --base <merge-base> --body-file <pr body>
Rationale: #16776 / #13564 (rule merged in #16778).

[github-actions]

Golden-Set Execution (H.7 P3)

✅ 9/9 notebooks passed (certified reproducible)

Notebook	Status	Time
2.1-Workflow-ML.ipynb	✅ SUCCESS	6.7s
2.2-Descente-de-gradient.ipynb	✅ SUCCESS	5.2s
2.3-Regression-lineaire-logistique.ipynb	✅ SUCCESS	6.2s
2.4-Arbres-Forets-Ensembles.ipynb	✅ SUCCESS	5.4s
Search-01-StateSpace.ipynb	✅ SUCCESS	4.8s
SL-1-LogicalLearning.ipynb	✅ SUCCESS	3.7s
RL-04-Bandits-Manchots-Python.ipynb	✅ SUCCESS	23.7s
GameTheory-04c-NashExistence-Python.ipynb	✅ SUCCESS	4.0s
GameTheory-13d-Optimistic-CFR-Python.ipynb	✅ SUCCESS	19.4s

Pinned lockfile: scripts/notebook_tools/golden_set.lock.txt (H.7 P3, axe A #4208)

[github-actions]

Notebook PR Validation: PASS

• Notebooks checked: 1
• Code cells validated: 10
• Result: All passed

Checks: H.1 (no errors), H.3 (execution_count), C.1 (no banned patterns)
Non-Python kernels (.NET/Lean): C.1 + errors only (execution_count advisory)
QuantConnect notebooks: C.1 + errors only (require QC Cloud for execution)

[github-actions]

Notebook outputs-required (H.4 schema): PASS (every code cell carries an outputs: list)

[jsboige]

[ADJOINT PREFLIGHT]
schema: 1
lane: myia-po-2024:CoursIA-2
pr: 19672
head: e891afb
complete: true
body: read
comments-reviewed: 7
reviews-reviewed: 0
threads-reviewed: 0
threads-unresolved: 0
surfaces-sha256: 51e6521f39ab298271abd97ef4f172233e50c26e3fb5f0ad1ddcdbae4e0da3ac
diff-files: 1
diff-additions: 453
diff-deletions: 247
checks: latest-wins-green
b0: clear
scope: pass
domain: pass
verdict: READY
organ: check_adjoint_prevalidation.py
organ-command: python scripts/check_adjoint_prevalidation.py --derive-verdict 19672
organ-rc: 0
[/ADJOINT PREFLIGHT]