Séance de cours

Protocoles d'évaluation

Description

Cette séance de cours porte sur les protocoles d'évaluation de l'apprentissage automatique, en mettant l'accent sur le rappel, la précision, la précision, la mesure F et la spécificité. Il traite des compromis entre le rappel et la précision, de l'importance de la spécificité dans les tests et d'exemples du monde réel comme les méthodes de test COVID-19 et le dépistage du cancer. L'instructeur explique les concepts à l'aide d'exemples tels que des scénarios parfaits de rappel et de précision, des stratégies pour améliorer la précision, et le score F1 comme moyen harmonique de rappel et de précision. De plus, il explore la courbe receveur-exploitant (CR) et les seuils de décision dans la classification binaire.

Cette vidéo est disponible exclusivement sur Mediaspace pour un public restreint. Veuillez vous connecter à Mediaspace pour y accéder si vous disposez des autorisations nécessaires.

Regarder sur Mediaspace
Enseignant
minim ipsum nostrud esse
Est Lorem et officia labore ullamco voluptate dolore culpa ullamco commodo. Proident veniam elit laboris excepteur magna labore ea id sit reprehenderit duis adipisicing est. Aliqua proident ad sunt excepteur elit in. Ex esse magna ut dolor id consequat dolor in laboris deserunt.
Connectez-vous pour voir cette section
À propos de ce résultat
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.
Séances de cours associées (36)
Évaluation du rendement : Démarrage et mesure du rendement
Explore l'évaluation des modèles d'apprentissage automatique à l'aide de mesures de sortie, de bootstrap et de performance comme le rappel et la précision.
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.
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.
Régression linéaire généralisée : classification
Explorer la régression linéaire généralisée, la classification, les matrices de confusion, les courbes ROC et le bruit dans les données.
Introduction à la science des données
Introduit les bases de la science des données, couvrant les arbres de décision, les progrès de l'apprentissage automatique et l'apprentissage par renforcement profond.
Afficher plus

Graph Chatbot

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.