Trouver un modèle efficace est souvent un processus itératif durant lequel on va "jouer" avec le dataset (dans le but d'augmenter sa représentativité vs à vis du problème à résoudre), les hyperparamètres (comment entraîner et l'architecture du modèle). Il est donc important de bien définir une métrique qui permettra de comparer les modèles entraînés entre eux. Par exemple Accuracy, Précision et Recall dans le cas de la classification(qui nous donnent le % de bien classés, et les % de bien prédits).
Trouver les bonnes métrique est une tâche très importante dans le choix d'un modèle adéquat.