Évaluer une Régression Linéaire : Le Graphique des Résidus

La régression linéaire part du principe mathématique que les résidus du modèle (c'est-à-dire la différence entre les valeurs réelles et les valeurs prédites) suivent une distribution normale.

Si ton modèle donne de mauvais résultats, c’est très souvent parce que cette hypothèse fondamentale n’est pas respectée.

Dans ce cas, j’ai souvent recours à un graphique de distribution des résidus pour vérifier ce point et juger de la fiabilité du modèle.

Comme son nom l’indique, ce graphique représente simplement la répartition des erreurs (Réel - Prédit), comme illustré ci-dessous :

Graphique de distribution des résidus d'une régression linéaire, répartition des erreurs (Réel - Prédit)

Un bon graphique de résidus va :

Se rapprocher d’une distribution normale (la fameuse forme en cloche)
Ne montrer aucune tendance ni structure particulière dans les erreurs

À l’inverse, un mauvais graphique de résidus va :

Présenter une forte asymétrie (skewness)
Faire apparaître des motifs ou structures visibles dans la répartition des erreurs

Ainsi, plus la distribution des résidus se rapproche d’une loi normale, plus on peut avoir confiance dans la robustesse du modèle.

C’est d’autant plus utile lorsque la ligne de régression est impossible à visualiser (par exemple avec des données en haute dimension comportant de nombreuses variables).

Pourquoi ?

Parce qu’un graphique de distribution des résidus reflète l’erreur globale du modèle — il est donc toujours unidimensionnel.

Graphique de distribution des résidus toujours unidimensionnel, même avec des données en haute dimension

Ainsi, il peut être généré et interprété très facilement d'un simple coup d'œil, quel que soit le niveau de complexité de tes données d'entrée.

Bien sûr, nous nous sommes ici limités à la validation d’une seule hypothèse : la normalité des résidus.

Or, la régression linéaire repose sur plusieurs autres hypothèses essentielles (linéarité, homoscédasticité, indépendance) qui doivent elles aussi être testées avec rigueur.

Pour cela, la bibliothèque Python statsmodels propose un rapport statistique particulièrement complet :

Section de résumé Statsmodels pour valider les hypothèses de la régression linéaire

Si tu souhaites apprendre à interpréter ce rapport en détail, je t’invite à lire ce précédent shot data :

Statsmodels : arrête de faire semblant de comprendre le summary

Apprends à décoder un rapport de régression avec statsmodels : guide détaillé pour comprendre chaque section et interpréter les résultats comme un expert.

Et si tu veux comprendre l’origine de ces hypothèses mathématiques, je t’invite à découvrir cette analyse approfondie du Cercle des Experts :

Régression Linéaire : d'où viennent vraiment ses hypothèses ?

Démystifie les hypothèses cachées de la régression linéaire : comprends les conditions essentielles pour maîtriser cet algorithme fondamental en machine learning.