fonctionnel avec paramètre

src/conf/config.yaml

@@ -2,16 +2,13 @@
 
 defaults:
   - model # Charge src/conf/model.yaml (qui définit la clé 'models')
-  # La ligne suivante utilise l'interpolation Hydra:
-  # 1. ${model.type} récupère la valeur de 'type' dans la section 'model' (ex: "svm")
-  # 2. ${models.svm} récupère le dictionnaire sous la clé 'svm' dans la section 'models' (chargée depuis model.yaml)
-  # 3. 'override /model/params:' place ce dictionnaire dans la clé 'params' de la section 'model'
-  - override /model/params: ${models.${model.type}}
-  - _self_ # Applique les valeurs définies dans ce fichier en dernier
+  - _self_ # Applique les valeurs définies dans ce fichier
 
 model:
   type: "svm" # Définit quel modèle choisir
-  params: {} # Cible pour l'override, sera remplacé par les params de models.svm
+  # Interpolation directe : Récupère les paramètres depuis la structure 'models'
+  # (chargée via 'defaults: - model') en utilisant le 'type' défini ci-dessus.
+  params: ${models.${model.type}}
 
 data:
   path: "dataset/dataset.csv"

src/conf/model.yaml

@@ -29,7 +29,6 @@ models:
     tol: 1e-3
     max_iter: 1000
     probability: True
-    decision_function_shape: "ovr"
 
   random_forest:
     # Paramètres pour RandomForestTrainer
@@ -53,4 +52,4 @@ models:
   linear_regression:
     # Paramètres pour LinearRegressionTrainer
     fit_intercept: true
-    algorithm: "eig"
+    algorithm: "eig"