Scribd
Importer
17 vues3 pages

Évaluation de la précision et du rappel

Le document décrit les métriques d'évaluation des performances des modèles à base d'IA, notamment la précision, le rappel, la valeur prédictive négative et la spécificité. Il donne deux exemples illustrant le calcul de ces métriques.

Transféré par

sanaferjani65
Copyright
© All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd
17 vues3 pages

Évaluation de la précision et du rappel

Le document décrit les métriques d'évaluation des performances des modèles à base d'IA, notamment la précision, le rappel, la valeur prédictive négative et la spécificité. Il donne deux exemples illustrant le calcul de ces métriques.

Transféré par

sanaferjani65
Copyright
© All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd

Evaluation des performances des modèles à base d’IA

•True Positive (TP) : la prédiction et la valeur réelle


sont positives.
Exemple : Une personne malade et prévu malade.
•True Negative (TN) : la prédiction et la valeur
réelle sont négatives.
Recall Exemple : Une personne saine et prévu saine.
•False Positive (FP) : la prédiction est positive alors
que la valeur réelle est négative.
Exemple : Une personne saine et prévu malade.
•False Negative (FN) : la prédiction est négative
alors que la valeur réelle est négative.
Exemple : Une personne malade et prévu saine.

2/ 33
Evaluation des performances des modèles à base d’IA
Exemple 1:

Sentiment
Réel

Sentiment
Prédit

Recall= TP/TP+FN NPV= TN/TN+FN=60%


3/5=60%

Sentiment positif Specficity=TN/TN+FP Precision = TP/TP+FP=


FN=2 3/4=75% 75%
TP= 3

FP=1 TN=3 Accuracy= F1-Score= TP/TP+1/2(FP+F


Sentiment négatif TP+TN/TP+TN+FP+FN=
N)=66%

3/ 33
Ce modèle est moyennement performé 66%
Evaluation des performances des modèles à base d’IA
Exemple 2: happy
useless good
worst like
unhappy freindly
disLike yes
poor love
bad pleasure
Can’t great
hard worth
care
helpful
pretty
Recall= 10/14=71%
FN=2 NPV= 6/8=75%
TP=10 Specficity= 6/8=75%
Precision = 10/12=83%
Accuracy= 16/20=80%
FP=2 TN=6 F1-Score= 10/12=83%
4/ 33

Vous aimerez peut-être aussi