Académique Documents
Professionnel Documents
Culture Documents
Le tableau 7.8 décrit un modèle qui a deux sorties, une positive et une négative. Ces
deux sorties représentent en fait la classe de chaque instance. Puisqu'il n'y a que deux
sorties, le modèle de cette matrice de confusion est appelé un classificateur binaire.
Il y a quatre états dans cette matrice: Vrai positif (TP), Vrai négatif (TN) , Faux positif
et Faux négatifs (FN).
Vrais positifs(TP) : les valeurs réelles et prédites sont identiques et positives. La
classe réelle est oui et le modèle le prédit oui.
Vrai négatif (TN) : les valeurs réelles et prédites sont identiques et négatives. La
classe réelle est non et le modèle le prédit non.
Faux positifs (FP): les valeurs réelles et prédites sont différentes. La classe réelle
est non, mais le modèle prédit oui.
Faux négatif (FN) : les valeurs réelles et prédites sont différentes. La classe réelle
est oui, mais le modèle prédit non.
Ces quatre états (TP, FP, FN et TN) peuvent être définis comme des
critères séparés tels que le taux de faux positifs (False Positive
rate), le taux de vrais positifs (True Positive Rate), etc., ou une
combinaison de critères tels que accuracy, la précision, le recall, le
F1-score, et ainsi de suite. Dans ce qui suit, les deux catégories
seront présentées. Les critères de taux de faux positifs et de taux de
vrais positifs sont les suivants :