Concept
Sensibilité et spécificité
Séances de cours associées (66)
Essais d'hypothèses : état de la nature
Explore les tests d'hypothèse, en soulignant l'état de la nature et l'importance de choisir le test le plus puissant.
Critères de performance : Matrice de confusion, rappel, précision, exactitude
Explore les critères de performance dans l'apprentissage supervisé, en mettant l'accent sur la précision, le rappel et la spécificité dans l'évaluation des modèles.
Compréhension des courbes ROC
Explore la courbe ROC, le taux vrai positif, le taux faux positif et les probabilités de prédiction dans les modèles de classification.
Variables aléatoires discrètes: Tests médicaux
Explore les variables aléatoires discrètes, les probabilités communes et la qualité des tests médicaux en utilisant le théorème de Bayes.
Bases de recherche d'information : Fréquence et précision des documents
Introduit les bases de la recherche de l'information, en mettant l'accent sur la fréquence et la précision des documents dans l'évaluation de la qualité de la recherche.
Modèles probabilistes de récupération
Couvre les modèles probabilistes d'extraction, les mesures d'évaluation, la probabilité de la requête, la rétroaction sur la pertinence de l'utilisateur et l'expansion de la requête.
Tests diagnostiques : sensibilité et spécificité
Explique la sensibilité, la spécificité, la courbe ROC et la précision dans les tests de diagnostic.
Évaluation des classificateurs binaires
Discute de l'évaluation des classificateurs binaires, y compris le rappel, la sensibilité, la spécificité, les courbes ROC et les mesures de performance.
Capteurs inductifs : Inductance mutuelle
Explore l'inductance mutuelle dans les capteurs inductifs, l'opération LVDT, la rectification synchrone et les caractéristiques des capteurs.
Régression logistique : Fondements et applications
Explore les fondamentaux de régression logistique, y compris les fonctions de coût, la régularisation et les limites de classification, avec des exemples pratiques utilisant scikit-learn.