Analyse de l'erreur et itérations en machine learning

Programme

Dans ce chapitre nous allons voir :

• Un tour d'horizon des différents types de métriques d'évaluation pour différentes tâches
• Des principes détaillés d'analyse de l'erreur et de cycles d'itération pour le machine learning

Leçon: Métriques d'évaluation de modèle

Dans cette leçon, nous allons faire un tour d'horizon vulgarisé des différentes métriques d'évaluation

Leçon : Analyse de l'erreur

Dans cette leçon, nous allons faire un bilan des principes détaillés de l'analyse d'erreurs

Démo : application à un data set d'exemple

Dans cette démo, nous allons appliquer les méthodes :

• d'analyse de coefficients de régression
• d'analyse des résidus
• de calcul d'importance des features (spécifiques à certains modèles)
• les méthodes LIME et SHAP pour l'interprétation des features (agnostique au modèle)