Bases de l'apprentissage automatique

Un modèle de classification binaire évalué sur 200 données de test donne TP = 20, FP = 5, FN = 30 et TN = 145. Quelle valeur est la plus proche du score F1 (F-mesure) ?

A0,40
B0,53
C0,60

Afficher la réponse et l'explication

Réponse : B. 0,53

La précision vaut d'abord 20 ÷ (20 + 5) = 0,8 et le rappel 20 ÷ (20 + 30) = 0,4. Le score F1 est la moyenne harmonique de la précision et du rappel : 2 × 0,8 × 0,4 ÷ (0,8 + 0,4) = 0,64 ÷ 1,2 ≈ 0,53. La moyenne harmonique est tirée vers la plus petite des deux valeurs : il ne suffit pas que l'une seule soit élevée pour que le score F1 le soit. L'exactitude vaut (20 + 145) ÷ 200 = 0,825, ce qui semble élevé, mais ce modèle manque 6 positifs sur 10.

S'entraîner sur ce thème Retour au thème

Autres questions sur Bases de l'apprentissage automatique

Quelle description de la courbe ROC et de l'AUC, utilisées pour évaluer un modèle de classification binaire, est correcte ?
Sur des données qui ne comptent que 10 positifs sur 1000, quelle est l'exactitude d'un modèle qui prédit tout comme négatif ?
Les valeurs réelles de 4 données sont 3, 5, 2 et 6, et les valeurs prédites par le modèle sont respectivement 2, 5, 4 et 4. Quelle est l'erreur quadratique moyenne (MSE) ?
On ajuste la droite y = ax + b aux trois données (x, y) = (1 ; 3), (2 ; 4) et (3 ; 8) par la méthode des moindres carrés. Quelle est la valeur prédite pour x = 4 ?
Une régression logistique fait passer z = 2x − 4 dans la fonction sigmoïde σ(z) = 1 ÷ (1 + e^(−z)) et produit le résultat comme probabilité d'être positif. Quelle est la sortie pour x = 2 ?