Chapitre 14 — Apprentissage automatique et prédiction

Calculatrice interactive — Analyse quantitative

1. Probabilité par régression logistique

$\beta_0$

$\beta_1$

$\beta_2$

$X_1$

$X_2$

2. Matrice de confusion : accuracy, précision, rappel, F1

Vrais positifs

Faux négatifs

Faux positifs

Vrais négatifs

3. Coût économique d'un seuil de décision

coût d'un faux positif

coût d'un faux négatif

$FP$ seuil A

$FN$ seuil A

$FP$ seuil B

$FN$ seuil B

Rappels : $\Pr(Y=1\mid X)=1/(1+e^{-z})$ avec $z=\beta_0+\sum\beta_jX_j$ ; accuracy $=(VP+VN)/n$, précision $=VP/(VP+FP)$, rappel $=VP/(VP+FN)$, F1 $=2\times\text{précision}\times\text{rappel}/(\text{précision}+\text{rappel})$ ; sur données déséquilibrées, l'accuracy seule est trompeuse ; le seuil optimal minimise le coût économique total, pas le nombre brut d'erreurs.