Résumé
Nous avons abordé les courbes Receiver Operator Characteristic (ROC) de manière plus approfondie. Nous avons appris à la fréquence à laquelle nous avons attribué par erreur une étiquette True et la fréquence à laquelle nous attribuons correctement une étiquette True. Chaque point du graphique représente un seuil qui a été appliqué.
Nous avons appris à utiliser des courbes ROC pour régler notre seuil de décision dans le modèle final. Nous avons également vu comment la zone en dessous de la courbe (AUC) peut nous donner une idée de la façon dont le modèle dépend du seuil de décision parfait. Il s’agit également d’une mesure pratique pour comparer deux modèles. Félicitations ! Vous disposez désormais d’une nouvelle technique. Pour tirer leur meilleur parti de cet apprentissage, exercez-vous sur les données qui vous intéressent. Ce faisant, vous gagnerez de l’expérience et comprendrez les nuances que nous n’avons pas eu le temps ou l’occasion d’aborder ici. Bonne chance !