Académique Documents
Professionnel Documents
Culture Documents
TH
Classification Multiple
IMS
C’est lorsque la variable à
prédire Y prendre plusieurs LI
valeurs possibles.
1 2 3 4 5
CONTEXTE THEORIQUE Classification Évaluation
Classe Prédite
Total des Classes
Positive Négative
Classe Prédite
Total = 921
Spam Normal
Classe Prédite
Total
Spam Normal
Classe Actuelle Spam True Positive (TP) False Negative (FN)
(Réelle) Normal False Positive (FP) True Negative (TN)
True Positive (TP) – Vrais Positifs : Le nombre des emails qui sont Spam et le
modèle à correctement les classés comme Spam.
True Negative (TN) – Vrais Négatifs : Le nombre des emails qui sont Normal et
le modèle à correctement les classés comme Normal.
False Positive (TP) – Faux Positifs : Le nombre des emails qui sont Normal et le
modèle à correctement les classés comme Spam.
False Negative (TP) – Faux Négatifs : Le nombre des emails qui sont Spam et le
modèle à correctement les classés comme Normal.
1 2 3 4 5
CONTEXTE THEORIQUE Classification Critères d’évaluation
Classe Prédite
Total
Spam Normal
Classe Actuelle Spam True Positive (TP) False Negative (FN)
(Réelle) Normal False Positive (FP) True Negative (TN)
Sensitivity = Recall
Accuracy F-Score
Specificity Precision
1 2 3 4 5
CONTEXTE THEORIQUE Classification Critères d’évaluation
Classe Prédite
Exemple : 921
Spam Normal
Classe Spam 320 43
Actuelle Normal 20 538
Question : Combien de prédictions sont correctes en pourcentage?
𝐓𝐏 + 𝐓𝐍
𝐀𝐜𝐜𝐮𝐫𝐚𝐜𝐲 =
𝐓𝐏 + 𝐓𝐍 + 𝐅𝐏 + 𝐅𝐍
𝟑𝟐𝟎 + 𝟓𝟑𝟖 𝟖𝟓𝟖
= = = 𝟎, 𝟗𝟑 ≡ 𝟗𝟑%
𝟑𝟐𝟎 + 𝟐𝟎 + 𝟒𝟑 + 𝟓𝟑𝟖 𝟗𝟐𝟏
1 2 3 4 5
CONTEXTE THEORIQUE Classification Critères d’évaluation
Étant donné que les e-mails de spam sont la classe positive, la sensibilité
quantifie le nombre d'e-mails qui sont réellement Spam et le modèle à
correctement les prédits comme Spam.
𝐓𝐏
𝐒𝐞𝐧𝐬𝐢𝐛𝐢𝐥𝐢𝐭é =
𝐓𝐏 + 𝐅𝐍
Classe Prédite
Exemple : 921
Spam Normal
𝐓𝐏 𝟑𝟐𝟎
Spam 320 43 𝐒𝐞𝐧𝐬𝐢𝐛𝐢𝐥𝐢𝐭é = = = 𝟎, 𝟖𝟖𝟐
Classe 𝐓𝐏 + 𝐅𝐍 𝟑𝟐𝟎 + 𝟒𝟑
Actuelle 𝐓𝐍 𝟓𝟑𝟖
Normal 20 538 𝐒𝐩é𝐜𝐢𝐟𝐢𝐜𝐢𝐭é = = = 𝟎, 𝟗𝟔𝟒
𝐅𝐏 + 𝐓𝐍 𝟓𝟑𝟖 + 𝟐𝟎
La valeur de spécificité est de 96,4% cela signifie donc que moins de 3,6 %
de tous les e-mails normaux sont considérés à tort comme Spam.
1 2 3 4 5
CONTEXTE THEORIQUE Classification Critères d’évaluation
Classe Prédite
Exemple : 921
Spam Normal
𝐓𝐏 𝟑𝟐𝟎
Classe Spam 320 43 𝐑𝐚𝐩𝐩𝐞𝐥 = = = 𝟎, 𝟖𝟖𝟐
𝐓𝐏 + 𝐅𝐍 𝟑𝟐𝟎 + 𝟒𝟑
Actuelle
Normal 20 538
𝐓𝐏
𝐏𝐫é𝐜𝐢𝐬𝐢𝐨𝐧 =
𝐓𝐏 + 𝐅𝐏
𝟑𝟐𝟎
= = 𝟎, 𝟗𝟒𝟏
𝟑𝟐𝟎 + 𝟐𝟎
= 𝟗𝟒%
Le rappel et la précision sont souvent rapportés par paires car ces métriques
rapportent la pertinence du modèle par rapport deux angles :
L’erreur de type I mesurée par le rappel
L’erreur de type II mesurée par la précision
Classe Prédite
Total des Classes
Spam Ad Normal
Classe Spam Correctes Incorrectes
Actuelle Ad
(Réelle) Incorrectes Correctes
Normal
Classe Prédite
Total des Classes
Spam Ad Normal
Classe Spam 27 286 40
Actuelle Ad 1 37 9
(Réelle) Normal 5 16 500
1 2 3 4 5
CONTEXTE THEORIQUE Classification Conclusion
Axon
Dendrites
Cell nucleus
1 2 3 4 5
Shopping %
Sport %
? Fille ou Garçon ?
1 2 3 4 5
𝑦 − 𝑦0 = 𝑚 𝑥 − 𝑥0
𝑦−0 =1 𝑥−0
𝑦=𝑥
𝑥−𝑦 =0
𝑥%
1 𝑔𝑎𝑟ç𝑜𝑛 𝑥 − 𝑦 > 0
x-y Fille ou Garçon ? 𝐺𝑒𝑛𝑟𝑒 = ቊ
0 𝑓𝑖𝑙𝑙𝑒 𝑥−𝑦 <0
𝑦%
1 2 3 4 5
1 𝑔𝑎𝑟ç𝑜𝑛 𝑥 − 𝑦 > 0
𝐺𝑒𝑛𝑟𝑒 = ቊ
0 𝑓𝑖𝑙𝑙𝑒 𝑥−𝑦 <0
(𝑥 = −100; 𝑦 = 100)
𝐺𝑒𝑛𝑟𝑒 = 𝑓𝑖𝑙𝑙𝑒
1 2 3 4 5
𝒇 𝑜
1 𝑥−𝑦 >0
𝑜 = 𝑓 𝑥, 𝑦 = ቊ
0 𝑥−𝑦 <0
1 2 3 4 5
1 𝑤1 𝑝1 + 𝑤2 𝑝2 > 𝑏
𝑜 = 𝑓 𝑝1 , 𝑝2 =ቊ
0 𝑤1 𝑝1 + 𝑤2 𝑝2 < 𝑏
À la place de 0; utilisant b
1 𝑤1 𝑝1 + 𝑤2 𝑝2 − 𝑏 > 0
𝑜 = 𝑓 𝑝1 , 𝑝2 =ቊ
0 𝑤1 𝑝1 + 𝑤2 𝑝2 − 𝑏 < 0
Utilisant le signe (+) car b (négative)
1 𝑤1 𝑝1 + 𝑤2 𝑝2 + 𝑏 > 0
𝑜 = 𝑓 𝑝1 , 𝑝2 =ቊ
0 𝑤1 𝑝1 + 𝑤2 𝑝2 + 𝑏 < 0
1 2 3 4 5
𝑝1 ∑ L’unité de sommation
𝑤1
∑ 𝑓 𝑜 Fonction d’Activation
𝑓 (Fonction de transfert)
𝑝2 𝑤2
𝑏 𝑜 La sortie (Outputs)
1 2 3 4 5
Caractéristiques | Entrées
(Features)
(𝒑𝟏 , 𝒑𝟐 , … , 𝒑𝒏 )
• Hauteur 1,5
• Prix 12
• Couleur des pixels 255
• Angle 360
Terminologies • Poids 70
• Longueur des cheveux 0,1
Importantes • Température 100
Classes
(0 𝑜𝑢 1)
1 2 3 4 5
𝑝1
1
1 w1 p1 + w2 p2 + b > 0
o = f p1 , p2 = ቊ
0 w1 p1 + w2 p2 + b < 0 ∑ 𝑓 𝑜
𝑝2 −1
0
𝑝2
𝑤1
1 w1 p1 + w2 p2 + w3 p3 + b > 0 𝑤2 ∑ 𝑓
o = f p1 , p2 , p3 = ቊ 𝑝2 𝑜
0 w1 p1 + w2 p2 + w3 p3 + b < 0
𝑤3
𝑝3
𝑏
1 2 3 4 5
𝑝1
𝑤1
𝑝2
𝑤2
𝑝3 𝑤3
𝑤4 ∑ 𝑓 𝑜 Hyperplan
𝑝4
. . 𝑏
. .
. . 𝑤𝑛
𝑝𝑛
o = w1 p1 + w2 p2 + ⋯ + wn pn + b = f pk wk + b
k=1
1 2 3 4 5
𝑝1
𝑝1
𝑤1
𝑝2 𝑤1
𝑝3
𝑤2
𝑤3
𝑤4 ∑ 𝑓 𝑜
𝑝2
𝑝3
𝑤2
𝑤3
∑𝑓 𝑜
𝑝4 𝑤4
𝑝4
. . 𝑏
. . .
. . 𝑤𝑛 .
. 𝑤𝑛 𝑏
𝑝𝑛
𝑝𝑛
𝐧 Axon
Dendrites
𝐨=𝐟 𝐩𝐤 𝐰𝐤 + 𝐛
𝐤=𝟏 Cell nucleus
1 2 3 4 5