Pour plus d'informations sur les programmes professionnels et de troisième cycle en intelligence artificielle de Stanford, visitez :
https://stanford.io/3b2QxDeAnand Avati
Informatique, PhD
Pour suivre le calendrier et le programme du cours, visitez :
0:00 Introduction
0:42 Thèmes
1:16 Pourquoi les métriques sont-elles importantes ?
5:23 Classification binaire
11:55 Modèles basés sur des scores : Classificateur
13:40 Métriques ponctuelles : Matrice de confusion
15:05 Métriques ponctuelles : Vrais positifs
15:56 Métriques ponctuelles : Vrais négatifs
16:28 Métriques ponctuelles : Faux positifs
16:49 Métriques ponctuelles : Faux négatifs
17:43 FP et FN également appelés erreurs de type 1 et type 2
19:38 Métriques ponctuelles : Précision
20:29 Métriques ponctuelles : Précision
23:15 Métriques ponctuelles : Rappel positif (Sensibilité)
28:22 Métriques ponctuelles : Rappel négatif (Spécificité)
33:48 Métriques ponctuelles : Score F
35:40 Métriques ponctuelles : Changement de seuil
46:05 Métriques récapitulatives : ROC (version tournée)
54:02 Métriques récapitulatives : PRC
59:05 Métriques récapitulatives : Motivation de la Log-Loss