Matrice de confusion et déséquilibres de données

Débutant
Ingénieur IA
Data Scientist
Étudiant
Azure

Comment savoir si un modèle est correct ou non pour classer nos données ? La façon dont les ordinateurs évaluent les performances du modèle peut parfois être difficile à comprendre. Elle a également tendance à trop simplifier la manière dont le modèle peut se comporter dans la vraie vie. Pour créer des modèles qui fonctionnent correctement, nous devons trouver des méthodes intuitives pour les évaluer et comprendre comment ces mesures peuvent biaiser notre opinion.

Objectifs d’apprentissage

Dans ce module, vous allez :

  • Évaluer les performances des modèles de classification.
  • Passer en revue les métriques pour améliorer les modèles de classification.
  • Résoudre les problèmes de performances liés aux déséquilibres des données.

Prérequis

Connaissance de base des modèles de classification