Un scientifique des données construit un classificateur binaire de maladies à partir d'un échantillon aléatoire de 400 patients, où la prévalence de la maladie est d'environ 3 %. Quelle stratégie de validation croisée est la plus appropriée pour évaluer le modèle ?

La validation croisée k-fold stratifiée est la plus appropriée car elle garantit que chaque pli (fold) de l'ensemble de données conserve la même proportion de classes que l'ensemble de données original. Étant donné que la prévalence de la maladie est très faible (3 %), une validation croisée k-fold standard pourrait créer des plis sans aucun cas de maladie, ce qui rendrait l'évaluation du modèle non fiable. La stratification maintient la représentation des classes rares, ce qui est crucial pour un ensemble de données déséquilibré. Une simple division entraînement/validation 80/20, même stratifiée, ne fournit qu'une seule évaluation du modèle, ce qui est moins robuste que la validation croisée. Répéter la validation croisée k-fold standard ne corrige pas le problème fondamental de la distribution inégale des classes dans chaque pli.