« Faux positif » : différence entre les versions


Aucun résumé des modifications
Aucun résumé des modifications
 
(17 versions intermédiaires par 3 utilisateurs non affichées)
Ligne 1 : Ligne 1 :
__NOTOC__
==Définition==
==Domaine==
Cas dans lequel le modèle a prédit à tort la classe positive. Par exemple, le modèle a déduit qu'un courriel particulier était un courrier légitime ('''[[classe positive]]'''), alors qu'en réalité c'était un courrier indésirable ('''[[pourriel]]''').
[[Category:GRAND LEXIQUE FRANÇAIS]]
[[Category:Vocabulaire2]]
[[Category:Google2]]
[[Category:Apprentissage profond2]]
[[Category:scotty2]]
 
<br />


==Définition==
Cas dans lequel le modèle a prédit à tort la classe positive. Par exemple, le modèle a déduit qu'un courriel particulier était un courrier légitime (classe positive), alors qu'en réalité c'était un courrier indésirable (pourriel).
<br />
==Français==
==Français==
===faux positif (FP)===
'''faux positif'''


<br />
==Anglais==
==Anglais==
'''false positive'''


===false positive (FP)===
==Sources==
[https://developers.google.com/machine-learning/glossary/ Source : Google machine learning glossary]


<br />
[[Category:GRAND LEXIQUE FRANÇAIS]]
<br />
[[Category:Apprentissage profond]]
<br />
[https://developers.google.com/machine-learning/glossary/ Source: Google machine learning glossary]
<br />
<br />[https://datafranca.org/lexique/faux-positif/ ''Publié : datafranca.org'']
<br />
<br />
<br />

Dernière version du 17 août 2024 à 20:03

Définition

Cas dans lequel le modèle a prédit à tort la classe positive. Par exemple, le modèle a déduit qu'un courriel particulier était un courrier légitime (classe positive), alors qu'en réalité c'était un courrier indésirable (pourriel).

Français

faux positif

Anglais

false positive

Sources

Source : Google machine learning glossary