Après avoir étudié la corrélation, 13 caractéristiques restent incluses.
La normalisation des données a augmente fortement le score en KNN.
Après avoir essayé différentes tailles (2-10), il apparait que la taille de 3 est la meilleure pour l'apprentissage avec KNN.
Contrairement à l'indication du client, la caractéristique Q, bien qu'ayant une corrélation assez élevée, diminuait le score.
Les paramètres par défaut de SKLearn semblent être assez bons, car les différentes modifications effectuées n'ont fait que réduire le score.
Changer le nombre de layers dans le modèle ne change pas les résultats, et les différents algorithmes n'augmentent pas le score.