Compréhension des courbes ROC

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.