Simulateur Ridge Regression (α=0.1) avec régularisation L2 et validation croisée 5-fold
Régularisation L2 avec α=0.1 pour prévenir le surapprentissage
Régularisation L2 appliquée avec α=0.1
Métriques de validation : R²=0.85, MAE=0.48, RMSE=0.62
Ridge Regression : Régression linéaire avec pénalité L2 (α=0.1)
Poids optimaux : Déterminés par minimisation MSE + régularisation
Validation : Cross-validation 5-fold sur 46 objets
Bibliothèque : scikit-learn 1.3.0 (Python)
