Épisode

Analyse des performances de régression logistique avec des courbes ROC [Partie 17] | Machine Apprentissage pour les débutants

par Bea Stollnitz

Rejoignez Bea Stollnitz, principal Cloud Advocate chez Microsoft, car elle vous apprend à analyser les performances de votre modèle de régression logistique à l’aide des courbes ROC (Caractéristique de fonctionnement du récepteur). Nous allons les utiliser pour évaluer le classifieur de régression logistique créé dans la vidéo précédente à l’aide de notre jeu 🎃 de données de citrouille.

Ce que vous allez apprendre :

  • Qu’est-ce qu’une courbe ROC ?
  • Comment une courbe ROC aide à évaluer les classifieurs binaires
  • Relation entre une courbe ROC et une matrice de confusion

Bea vous guide tout au long du processus de création d’une courbe ROC à l’aide de Python dans un notebook Juypter et explique comment interpréter ses résultats pour obtenir des insights sur les performances de votre modèle.

Restez à l’écoute pour la prochaine vidéo de cette série, donc vous ne manquerez pas les vidéos à venir dans la série ML pour débutants !

Chapitres

  • Ce cours est basé sur le programme gratuit et open source ML pour les débutants de Microsoft, qui compte 26 leçons.
  • Le bloc-notes Jupyter à suivre avec cette leçon est disponible !

Se connecter

Azure Machine Learning
Python