L'un des concepts fondamentaux en machine learning est la Matrice de Confusion. Associée à la Validation Croisée, c'est ainsi que nous décidons quelle méthode de machine learning serait la meilleure pour notre ensemble de données. Regardez la vidéo pour découvrir comment !
REMARQUE : Cette vidéo illustre le concept de matrice de confusion tel que décrit dans l'Introduction à l'Apprentissage Statistique, page 145.
Pour un index complet de toutes les vidéos StatQuest, consultez :
Si vous souhaitez soutenir StatQuest, veuillez envisager...
...ou...
...d'acheter l'un de mes livres, un guide d'étude, un t-shirt ou un hoodie, ou une chanson de la boutique StatQuest...
...ou simplement de faire un don à StatQuest !
Enfin, si vous voulez me suivre alors que je recherche et crée de nouveaux StatQuests, suivez-moi sur Twitter :
Enfin, un grand merci à Cesar Diniz pour les sous-titres en portugais.
0:00 Super chanson et introduction
0:24 Motivation pour les matrices de confusion
1:38 Définition de la matrice de confusion et terminologie associée
2:44 Exemple de matrice de confusion
3:41 Comparaison des matrices de confusion
4:47 Une matrice de confusion 3x3.
6:20 Grandes matrices de confusion
6:38 Résumé des concepts et idées principales
#statquest #matricedeconfusion #ML