Machine Learning
Fondamental
Évaluation d’un modèle avec métriques adaptées au déséquilibre de classes
Type d'évaluation
Mise en situation réelle
Analyse
Intelligence Artificielle
Compétences ciblées
classification
imbalanced-data
evaluation
metrics
fraud-detection
Scénario Technique
Contexte : Un dataset de détection de fraude contient très peu de cas positifs. Le Problème : L’accuracy est élevée mais le modèle ne détecte presque aucune fraude. Contraintes : Utiliser métriques adaptées (precision, recall, F1-score). Analyser matrice de confusion. Adapter seuil si nécessaire. Livrable attendu : Proposer une évaluation plus pertinente adaptée au déséquilibre des classes.
Prêt à évaluer ce talent ?
Accédez à l'interface de test complète pour soumettre votre architecture ou votre code.