|
Machine learning : méthodes pour l’évaluation d’un modèle d’apprentissage| title | Machine learning : méthodes pour l’évaluation d’un modèle d’apprentissage |
|---|
| start_date | 2023/10/23 |
|---|
| schedule | 10h30-11h30 |
|---|
| online | no |
|---|
| location_info | Salle 531 |
|---|
| summary | Après des heures à paramétrer au mieux un modèle d’apprentissage avec la certitude d’avoir écarté les biais qui pourraient orienter les résultats – rappelons qu’un mauvais modèle peut fournir de très mauvais résultats avec une précision étonnante –, les premières prédictions sortent de la machine et nous souhaitons évaluer leur qualité afin de le passer en production ou non.
Bien entendu, dans la pratique, les méthodes d’évaluation sont présentes à chaque étape de la programmation d’un modèle si bien que presque aucun choix ne devrait être pris sans validation par une métrique ou une autre. Comme nous ne nous sommes concentré·es au long de notre parcours que sur deux types d’algorithmes, nous n’aborderons que les méthodes d’évaluation pour les tâches de régression et de classification. |
|---|
| responsibles | Roulois |
|---|
Workflow history| from state (1) | to state | comment | date |
|---|
| submitted | published | | 2023/10/19 12:54 UTC |
| |
|