« Seuil de classification » : différence entre les versions


m (Remplacement de texte : « ↵<small> » par «  ==Sources== »)
Aucun résumé des modifications
 
Ligne 1 : Ligne 1 :
== Définition ==
== Définition ==
Critère de valeur scalaire appliqué au score d'un modèle dans le but de séparer la classe positive de la classe négative. Utilisé pour mettre en correspondance les résultats de la régression logistique à la classification binaire. Supposons un modèle de régression logistique qui détermine la probabilité qu'un message donné soit «indésirable». Si le seuil de classification est de 0,9, les valeurs de la régression logistique supérieures à 0,9 sont classées comme «indésirable», et celles inférieures comme «légitime».
Critère de valeur scalaire appliqué au score d'un modèle dans le but de séparer la classe positive de la classe négative. Utilisé pour mettre en correspondance les résultats de la [[régression logistique]] à la [[classification binaire]]. Supposons un modèle de régression logistique qui détermine la probabilité qu'un message donné soit « indésirable ». Si le seuil de classification est de 0,9, les valeurs de la régression logistique supérieures à 0,9 sont classées comme « indésirable », et celles inférieures comme « légitime ».


== Français ==
== Français ==
''' seuil de classification '''   
'''seuil de classification'''   


== Anglais ==
== Anglais ==
''' classification threshold '''
'''classification threshold'''


==Sources==
==Sources==
 
[https://developers.google.com/machine-learning/glossary/  Source : Google machine learning glossary ]
 
[https://developers.google.com/machine-learning/glossary/  Source: Google machine learning glossary ]
 


[[Category:GRAND LEXIQUE FRANÇAIS]]
[[Category:GRAND LEXIQUE FRANÇAIS]]
[[Category:Apprentissage profond]]
[[Category:Apprentissage profond]]

Dernière version du 28 avril 2024 à 14:46

Définition

Critère de valeur scalaire appliqué au score d'un modèle dans le but de séparer la classe positive de la classe négative. Utilisé pour mettre en correspondance les résultats de la régression logistique à la classification binaire. Supposons un modèle de régression logistique qui détermine la probabilité qu'un message donné soit « indésirable ». Si le seuil de classification est de 0,9, les valeurs de la régression logistique supérieures à 0,9 sont classées comme « indésirable », et celles inférieures comme « légitime ».

Français

seuil de classification

Anglais

classification threshold

Sources

Source : Google machine learning glossary