Partage
  • Partager sur Facebook
  • Partager sur Twitter

Evaluez les performances d'un modèle de ML

Quiz - Erreur réponse 4

    6 avril 2020 à 16:37:40

    Bonjour,

    La réponse donnée comme solution à l'exercie 4 de l'unique quiz du cours (donc partie 2) n'est pas la bonne.

    il y a confusion entre spécificité et anti-spécificité.

    Une spécificité au moins égale à 0.8 implique une anti-spécificité (l'axe des abscisses du graphique) inférieure à 0.2.

    Ainsi, on détermine graphiquement que la sensibilité est dans ce cas inférieure à 0.7 (et non supérieure à 0.95).

    Ce qui implique un taux de faux négatifs supérieur ou égal à 0.3 (1 - sensibilité).

    • Partager sur Facebook
    • Partager sur Twitter
      9 mai 2020 à 17:02:32

      Bonjour Stéphane,

      Oui effectivement, j'ai trouvé cette erreur comme toi, et du coup j'ai pas eu bon à cette question.

      Il y a également une petite erreur dans le cours, et qui avait aussi été trouvée par un autre étudiant (voir ICI):

      Dans CE TABLEAU et dans le texte juste au-dessus :

            - 1ère ligne : sensibilité indiquée par TP/P : OK

      D'après la définiton de la sensibilité TP/FN+TP, la désignation TP/P me semble correcte puisque FN+TP=actual P, qu'on pourrait désigner aussi par "taux de vrais positifs".

           - 2ème ligne : antispécificité indiquée par FP/P : ERREUR

       En revanche l'antispécificité aussi appelé "taux de faux positifs" est mentionnée comme FP/P, cad FP/actual Positive alors que sa définition est :

      1-spécificité = 1-(TN/(FP+TN))= (FP+TN-TN)/(FP+TN)= FP/actual N = FP/N et non pas FP/P comme mentionné dans le tableau et dans le texte.

      Maryse.

      -
      Edité par Maryse_Muller 9 mai 2020 à 17:06:54

      • Partager sur Facebook
      • Partager sur Twitter

      Evaluez les performances d'un modèle de ML

      × Après avoir cliqué sur "Répondre" vous serez invité à vous connecter pour que votre message soit publié.
      • Editeur
      • Markdown