TP2 Partie 2 : split recent_history (v2)

data/test.parquet.dvc

@@ -1,5 +1,5 @@
 outs:
-- md5: 2f70e749c483c8c74cde844a69d52631
+- md5: 6ecb52ceb1d8322a91454aca4d902646
-  size: 114542933
+  size: 68171008
   hash: md5
   path: test.parquet

data/train.parquet.dvc

@@ -1,5 +1,5 @@
 outs:
-- md5: b08dfd4b6aa3f59d68220a35110df0b0
+- md5: 24bf315461302605f8fd229eb263f499
-  size: 216998722
+  size: 115206905
   hash: md5
   path: train.parquet

data/validation.parquet.dvc

@@ -1,5 +1,5 @@
 outs:
-- md5: 24bf315461302605f8fd229eb263f499
+- md5: 5b3f656605f48a8aabeb5b21a6ae27ca
-  size: 115206905
+  size: 48074392
   hash: md5
   path: validation.parquet

lab/constants.py

@@ -24,7 +24,7 @@ class SplitStrategy(StrEnum):
 # Strategie de split active : pilote a la fois le decoupage produit par split/cli.py
 # et le parametre "split_strategy" logge dans MLflow. On la modifie (et on committe)
 # a chaque changement de version de dataset pour synchroniser DVC et Git.
-CHOSEN_SPLIT_STRATEGY = SplitStrategy.FULL_HISTORY
+CHOSEN_SPLIT_STRATEGY = SplitStrategy.RECENT_HISTORY
 
 DatasetPart = Literal["train", "test", "validation"]