• 10 heures
  • Moyenne

Ce cours est visible gratuitement en ligne.

course.header.alt.is_video

course.header.alt.is_certifying

J'ai tout compris !

Mis à jour le 30/09/2021

Partie 2

Connectez-vous ou inscrivez-vous gratuitement pour bénéficier de toutes les fonctionnalités de ce cours !

Compétences évaluées

  • Choisir une ou plusieurs mesures de la performance d'un algorithme de classification
  • Mettre en place une procédure de validation qui réduise le risque d'apprentissage d'une classification
  • Question 1

    Vous devez implémenter un algorithme de détection de transactions frauduleuses.

    Les transactions frauduleuses que votre algorithme ne détectera pas coûteront plus cher à la banque que le coût de traitement d'une transaction non frauduleuse prédite comme fraude.

    Dans la mesure du raisonnable, vous devez donc minimiser le taux de :

    • Vrai négatif

    • Faux négatif

    • Faux positif

    • Vrai positif

  • Question 2

    Un algorithme de classification binaire retourne "négatif" ou "positif" de manière aléatoire (avec une probabilité de 0.5 sur chaque classe). On l'évalue sur un jeu de données contenant 90% de "positif" et 10% de "négatif". Quelles seront sa précision et son recall ?

    • précision = 90%

      recall = 10%

    • précision = 100%

      recall = 10%

    • précision = 90%

      recall = 50%

    • précision = 100%

      recall = 100%

  • Question 3

    On évalue deux modèles dont le but est de classer des baies entre celles qui sont comestibles et celles qui ne le sont pas. On obtient les deux matrices de confusion suivantes :

    Algorithme 1 :

      comestible non comestible
    prédit comestible 100 3
    prédit non comestible 0 97

    Algorithme 2 :

      comestible non comestible
    prédit comestible 96 0
    prédit non comestible 4 100

    Quel est selon-vous l'algorithme le plus intéressant ?

    • Algo 1

    • Algo 2