Machine learning : Évaluer vos modèles de classification

Dans cette vidéo pédagogique, nous plongeons dans l'univers passionnant de l'évaluation des modèles de classification d'images. Mon objectif est de vous guider à travers le processus d'évaluation de manière simple et approfondie, en vous montrant comment calculer les indicateurs clés qui nous aident à comprendre la performance de notre modèle. Un exemple de classification sera présenté utilisant une base de données de radiographies thoraciques.
- Lien utile :
Classification des Images avec Machine Learning : Processus et Évaluation :
• Classification des Ima...
Nous allons voir les étapes du processus de validation d’un modèle en évoquant les dataset d’entrainement et de validation.
Tout d'abord, nous abordons les concepts fondamentaux, en expliquant ce que sont les TP (Vrais Positifs), TN (Vrais Négatifs), FP (Faux Positifs) et FN (Faux Négatifs) et comment les calculer. Ces indicateurs sont essentiels pour comprendre comment notre modèle classe correctement ou incorrectement les radiographies thoraciques dans les catégories "Covid" et "Normal".
Ensuite, nous plongeons dans l'outil essentiel de l'évaluation des modèles : la matrice de confusion. Je vous montre comment elle est construite et comment elle résume visuellement la performance du modèle en croisant les prédictions avec les vérités terrain.
Nous ne nous arrêtons pas là ! La vidéo continue en expliquant en détail des mesures cruciales telles que le Recall (Rappel), la Specificity (Spécificité), la Precision (Précision), l'Accuracy (Exactitude), le F-score et le Kappa. Ces métriques apportent une perspective plus approfondie sur la performance de notre modèle, allant au-delà des simples taux de classification correcte.
Enfin, nous concluons en résumant toutes les informations et en examinant la matrice de confusion sous un nouvel angle pour obtenir une vue d'ensemble complète de la performance de notre modèle.
Que vous soyez un débutant cherchant à comprendre les bases de l'évaluation des modèles de classification d'images ou un expert cherchant à rafraîchir vos connaissances, cette vidéo vous fournira une compréhension solide de l'évaluation des modèles de classification d'images dans le contexte des radiographies thoraciques Covid et normales. J'espère que cette vidéo vous aidera à perfectionner vos compétences en évaluation de modèles pour des applications médicales critiques.
N'oubliez pas de liker et de partager cette vidéo si vous la trouvez utile, et abonnez-vous à ma chaîne pour plus de contenus passionnants sur l'apprentissage automatique et la vision par ordinateur. Merci de regarder !