0 votes
par dans Séquence 1
Selon vous quel est le critère le plus usuel et le plus pertinent?

3 Réponses

0 votes
par (3.1k points)
sélectionné par
 
Meilleure réponse
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.
par
Merci !
0 votes
par Vétéran du GPU 🐋 (68.8k points)
Je vous invite à détailler votre question car c'est un sujet très large
0 votes
par Vétéran du GPU 🐋 (48.7k points)
On regarde des métriques comme le taux de réussite pour la classification ou l'erreur quadratique moyenne pour la régression. Sinon ça dépend énormément des données et de la tâche à accomplir. C'est à définir par l'expert du domaine (que ce soit biologie, chimie, etc)
par Vétéran du GPU 🐋 (68.8k points)
le domaine d'utilisation est très important que ce soit sur le choix du modèle ou la qualité que l'on souhaite sur celui-ci. On peut par exemple préférer un modèle avec des performances temporelles plutôt qu'une précision important. Un modèle peu précis mais qui ne met personnes en danger peut être préférable à un autre plus performant mais qui si il se trombe peut causer des dommages
par
Merci pour la réponse
...