- Ενότητα 15 — Όλες οι μετρικές ταξινόμησης
- Στόχος
- να διαχωρίσετε αυστηρά το μοντέλο, που παράγει ένα σκορ, από τον
κανόνα απόφασης, που εφαρμόζει ένα κατώφλι · να τεκμηριώσετε γιατί το 0,50 είναι
μόνο προεπιλεγμένη τιμή και υπό ποιες συνθήκες είναι βέλτιστο · να παραγάγετε
το κατώφλι ελάχιστου κόστους κατά Bayes και να το υπολογίσετε σε αριθμητική
περίπτωση · να κατέχετε τις πέντε μεγάλες οικογένειες κριτηρίων επιλογής
κατωφλίου και την εφαρμογή τους · να επιβάλετε την πειθαρχία επιλογής στην
επικύρωση και να μετρήσετε την αισιοδοξία μιας επιλογής στο test · να επεκτείνετε
τον συλλογισμό σε πολλαπλά κατώφλια, στην αποχή και στην πολυκλασική περίπτωση ·
και να παρακολουθείτε την απόκλιση του βέλτιστου κατωφλίου όταν αλλάζει ο
επιπολασμός.
- Εκτιμώμενη διάρκεια
- 65 λεπτά
- Προαπαιτούμενα
- κεφάλαια 026 (train/validation/test), 028 (διαρροή δεδομένων),
029 (
predict και predict_proba), 030 (σφάλμα, απώλεια, μετρική),
034 (διασταυρούμενη επικύρωση), 050 και 051 (ανισορροπία), 052 (πίνακας
σύγχυσης), 054 (ακρίβεια), 055 (ανάκληση), 059 (F-βήτα), 061 (log loss) - Συνδεδεμένα κουίζ
062.1-quiz-modele-vs-regle-decision.md έως
062.8-quiz-stabilite-operationnelle.md