Programme Leçon 104 sur 246 · Module 9 : Est-ce vraiment mieux ?
Module 9 : Est-ce vraiment mieux ?

Au-delà de la justesse

Pourquoi c'est important Sur un test de maladie rare où 95 % des gens sont en bonne santé, un modèle qui dit toujours « en bonne santé » obtient 95 % de justesse et ne sert à rien.

Une matrice de confusion compte, pour chaque vraie classe, combien de fois chaque classe a été prédite : ligne = vérité, colonne = prédiction. À partir d'elle, pour une classe qui t'intéresse :

  • Précision : parmi les fois où le modèle a dit « positif », combien de fois avait-il raison ?
  • Rappel : parmi les vrais positifs, combien le modèle en a-t-il trouvé ?

De tout petits nombres

100 personnes, 5 malades. Le modèle paresseux dit en bonne santé pour tous : justesse 95 %, rappel 0 sur 5 = 0. Un vrai modèle signale 8 personnes, dont 4 malades : précision 4/8 = 0.5, rappel 4/5 = 0.8, et justesse (4 + 91) / 100 = 95 %. Même justesse, utilité complètement différente.

Mots et symboles de cette leçon
matrice de confusion
les comptes de la vraie classe (ligne) contre la classe prédite (colonne)
précision, rappel
de ce qu'il a signalé, combien était juste ; de ce qui était là, combien il en a trouvé
À ton tour

Écris confusion(y_true, y_pred, k) (un tableau k par k de comptes) et precision_recall(y_true, y_pred, positive) qui renvoie une paire (utilise 0.0 quand il n'y a rien par quoi diviser).

Tu as repéré un problème dans cette leçon ? Signale-le · Pose une question sur cette leçon

Cet exercice s'ouvre bientôt

Termine la leçon précédente pour débloquer celle-ci. Tout le cours est gratuit, aucun compte n'est requis, et tu peux lire cette leçon dès maintenant.