Séance de cours

Compréhension des courbes ROC

Description

Cette séance de cours porte sur la courbe caractéristique de l'exploitation du récepteur (ROC), axée sur des concepts comme le taux vrai positif, le taux faux positif, la zone sous la courbe (AUC) et l'interprétation des probabilités de prédiction. L'instructeur explique l'importance de la courbe ROC dans l'évaluation des modèles de classification et montre comment calculer la sensibilité, la spécificité et la précision. De plus, la séance de cours se penche sur la répartition des probabilités de prédiction et sur l'incidence de la modification du seuil sur la courbe ROC. Des exemples pratiques utilisant la fonction predict_proba() de Python et la courbe ROC de l'ASC sont fournis.

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.

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.