> For the complete documentation index, see [llms.txt](https://medomicslab.gitbook.io/medomics-docs/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://medomicslab.gitbook.io/medomics-docs/v1-fr/tutorials/development/learning-module/scene-experimentale.md).
# Scène expérimentale
Cette page couvre tout ce que vous devez savoir sur la scène expérimentale et sur la manière dont elle peut être utilisée comme environnement de test initial.
Ce nouveau type de scène applique le même [nouveau design](/medomics-docs/v1-fr/tutorials/development/learning-module.md#a-new-design-is-here) abordé précédemment, mais réduit les nœuds disponibles tout en conservant des capacités expérimentales complètes :
* [**Nœud de jeu de données**](/medomics-docs/v1-fr/tutorials/development/learning-module/initialisation.md#dataset-node-your-experiments-starting-point) (abordé précédemment dans l'Initialisation).
* [**Nœud de nettoyage**](/medomics-docs/v1-fr/tutorials/development/learning-module/initialisation.md#clean-node-tidy-and-transform-your-data) (abordé précédemment dans l'Initialisation).
* **Nœud de comparaison des modèles**: Entraînez et évaluez la performance de tous les estimateurs disponibles dans la [bibliothèque de modèles](https://pycaret.gitbook.io/docs/get-started/functions/train#model-library).
Principales différences entre la scène Principale et la scène Expérimentale
Cette configuration fournit un environnement de test dédié pour les expériences d'apprentissage automatique, permettant aux utilisateurs d'évaluer et de sélectionner l'algorithme optimal pour leur tâche tout en disposant d'estimations de performance initiales pouvant être exploitées pour guider les expériences principales, comme illustré dans le nouveau flux de travail de machine learning.
### Nœud Comparer les modèles :
Disponible uniquement en mode Expérimental et utilisé dans la Boîte d'entraînement, le nœud Comparer les modèles vous permet d'entraîner et d'évaluer efficacement plusieurs estimateurs de machine learning simultanément, facilitant l'identification du meilleur performant pour votre tâche. Tout en offrant de nombreuses options de configuration pour les utilisateurs avancés, le nœud ne requiert aucun paramètre obligatoire, et vous pouvez commencer à comparer différents algorithmes de machine learning immédiatement après la connexion du nœud.
Notez que le nœud Comparer les modèles est basé sur [la fonction de PyCaret *`compare_models()`*](https://pycaret.readthedocs.io/en/stable/api/classification.html#pycaret.classification.compare_models).
Nœud Comparer les modèles
Les résultats du nœud Comparer les modèles contiennent l'ensemble complet des métriques de performance pour tous les algorithmes de machine learning testés :
Exemple de résultats du nœud Comparer les modèles
{% hint style="danger" %}
Notez qu'en mode Expérimental, les modèles sont entraînés et testés en utilisant une seule itération, ce qui entraîne un faible biais mais une grande variance (incertitude).
{% endhint %}
La section finale décrit les pratiques clés à éviter pour une performance optimale et une exécution fiable au sein du module d'apprentissage.
---
# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.
## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.
Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:
```
GET https://medomicslab.gitbook.io/medomics-docs/v1-fr/tutorials/development/learning-module/scene-experimentale.md?ask=&goal=
```
`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.
Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.
