Lire une matrice de confusion
Un modèle de détection de fraude a été évalué sur 1 000 transactions (~/eval/matrice.txt, obtenue avec sklearn.metrics.confusion_matrix).
Calculez (deux décimales) :
- Exactitude (accuracy) →
answer accuracy <valeur> - Précision (sur la classe fraude) →
answer precision <valeur> - Rappel (sur la classe fraude) →
answer rappel <valeur> - F1 →
answer f1 <valeur> - Pour la fraude, quelle erreur coûte le plus cher : laisser passer une fraude ou bloquer un client honnête ? La métrique à surveiller en priorité →
answer priorite <precision|rappel>
Bientôt disponible
Les exercices pratiques ouvrent prochainement. Le titre, le résumé et le plan restent visibles pour découvrir le contenu.
Tâches
- Exactitude
- Précision et rappel
- F1 et priorité