Dans le cours : Power BI : Intégrer l'IA et le machine learning
Accédez au cours complet aujourd’hui
Inscrivez-vous aujourd’hui pour accéder à plus de 22 800 cours dispensés par des formateurs experts ou achetez ce cours séparément.
Évaluer les prédictions
Dans le cours : Power BI : Intégrer l'IA et le machine learning
Évaluer les prédictions
L'évaluation des performances d'un modèle de classification est cruciale pour mesurer son efficacité dans la prise de décision. En analysant diverses métriques, nous pouvons quantifier sa précision et son adaptabilité aux données réelles. Dans cette vidéo, nous aborderons les principaux indicateurs permettant d'apprécier la qualité de notre modèle de prédiction de diabète. D'abord, nous pouvons se baser sur la matrice de confusion. Imaginez-là comme une carte qui montre les performances de votre modèle en distinguant les prédictions correctes des erreurs. Par exemple, ici nous avons 165 patients. Soixante patients qui n'ont pas le diabète et cent cinq patients qui ont le diabète. Analysons comment notre modèle s'est comporté. Sur les 60 personnes qui n'ont pas le diabète, le modèle a prédit 50 personnes comme n'ont pas le diabète, donc on a un trou négatif qui est égal à 50. Les dix autres, le modèle a dit qu'ils ont le diabète, donc c'est une fausse alerte. Le faux positif ici…
Table des matières
-
-
-
-
-
(Verrouillé)
Classifier et comprendre le contexte du projet2 m 49 s
-
(Verrouillé)
Évaluer les prédictions3 m 7 s
-
(Verrouillé)
Télécharger et visualiser les données4 m 30 s
-
(Verrouillé)
Créer un script Python pour modéliser3 m 10 s
-
(Verrouillé)
Importer le modèle de classification dans Power BI et faire les prédictions2 m 3 s
-
(Verrouillé)
Évaluer le modèle et analyser les résultats3 m 16 s
-
(Verrouillé)
-
-