AWS Certified AI Practitioner
Métriques de modèle et métriques métier
Comment mesurer si un modèle fonctionne : la matrice de confusion et les métriques de classification qu'elle produit (exactitude, précision, rappel, F1, AUC), les métriques de régression (RMSE, MAE), et les métriques métier qui décident si le modèle valait la peine d'être construit.
Intermédiaire 22 minutes 4 Objectifs d'apprentissage
- Lire une matrice de confusion et définir vrais et faux positifs et négatifs
- Définir exactitude, précision, rappel et F1, et expliquer pourquoi l'exactitude seule trompe sur des données déséquilibrées
- Expliquer l'arbitrage entre précision et rappel et savoir lequel prime selon le contexte
- Distinguer métriques de classification, métriques de régression (RMSE, MAE) et métriques métier (ROI, coût par utilisateur)