Vous avez entraîné un SVM pour la classification binaire et obtenu une AUC de validation de 0,87. Vous souhaitez augmenter l'AUC. Que devriez-vous faire ?

Un réglage des hyperparamètres (hyperparameter tuning) est la méthode la plus directe et la plus efficace pour améliorer les performances d'un modèle existant, comme un SVM, en optimisant ses paramètres internes (par exemple, le paramètre C ou le noyau pour un SVM). Entraîner un réseau neuronal profond n'est pas une garantie de meilleures performances et introduit une complexité inutile sans d'abord optimiser le modèle actuel. Déployer le modèle ne changera pas son AUC de validation ; l'AUC réelle dépendra de la distribution des données de production. Mettre à l'échelle les sorties du modèle après l'entraînement ne modifie pas l'ordre des prédictions et donc n'affecte pas l'AUC, qui est insensible aux transformations monotones des scores.