Bases du machine learning · Évaluation de modèles

Gestion du déséquilibre des classes

Des techniques pour quand une classe est très largement plus nombreuse qu'une autre, car l'exactitude seule devient dénuée de sens (prédire toujours la classe majoritaire « gagne »).

Commencer une leçon sur Gestion du déséquilibre des classes

À apprendre d'abord

• Métriques d'évaluation de classification: L'exactitude seule peut mentir ; précision, rappel, F1 et ROC-AUC capturent chacune une façon différente d'un classifieur d'avoir raison ou tort.

Notions liées

• Méthodes d'ensemble: Combiner de nombreux modèles faibles (souvent des arbres) en un seul plus fort, soit en moyennant (bagging), soit en corrigeant successivement leurs erreurs (boosting).