Critères de performance : Matrice de confusion, rappel, précision, exactitude

Cette séance de cours couvre divers critères de performance en apprentissage supervisé, y compris la matrice de confusion, la précision, le rappel, la mesure F et la spécificité. Il explique comment évaluer la performance prédictive dun modèle, les erreurs de régression et les terminologies équivalentes. L'instructeur discute des exemples de vrais positifs, de faux négatifs, de faux positifs et de vrais négatifs dans la classification binaire. La séance de cours souligne l'importance de la précision et du rappel dans l'évaluation des modèles, en fournissant des astuces mnémoniques pour se souvenir de ces concepts. Il se penche également sur le calcul du taux d'erreur, de la précision et de la mesure F, qui combine précision et rappel. La spécificité est mise en évidence comme une mesure cruciale dans les tests de dépistage des maladies, équilibrant l’identification des personnes touchées tout en minimisant les faux positifs. La séance de cours se termine par une explication détaillée des tests PCR pour COVID-19 et des tests sérologiques pour la détection du coronavirus.