Comprendre le déséquilibre des classes

46 min

Bloc 13 — Data Imbalance
Objectif: définir rigoureusement le déséquilibre des classes et le mesurer, établir qu'il est structurel dans la quasi-totalité des problèmes de détection, distinguer les trois mécanismes distincts par lesquels il dégrade l'apprentissage, démontrer par le calcul l'inanité de l'exactitude sur un jeu déséquilibré, déterminer quelles métriques discriminent réellement un modèle utile d'un modèle inutile, et formuler le problème dans les termes qui comptent — l'asymétrie des coûts d'erreur.
Durée estimée: 65 minutes
Prérequis: chapitres 026, 027, 029, 030, 034, 035 et 049
Quiz associés: 050.1-quiz-definition-mesure.md à 050.7-quiz-erreurs-de-protocole.md

Aperçu — la suite de la leçon est réservée aux inscrits.

Déjà inscrit avec un code ?

Votre accès est rattaché à votre compte, pas à ce lien. Connectez-vous avec le même courriel qu'en classe : votre cours vous attend, inutile de ré-entrer le code.

Se connecter Pas encore de compte ? En créer un

Cette leçon fait partie du module « Données déséquilibrées et rééchantillonnage »

Les premiers modules du cours sont en accès libre. Pour la suite, trois possibilités : acheter ce cours une fois pour toutes, vous abonner pour tout ouvrir, ou entrer le code si vous suivez le cours en classe.

M’abonner — 19 $ US/mois Retour au plan