Scikit-learn
Fondamental
Correction d’un modèle utilisant mauvaise métrique pour dataset déséquilibré
Type d'évaluation
Mise en situation réelle
Analyse
Intelligence Artificielle
Compétences ciblées
imbalanced-data
evaluation
f1-score
bugfix
classification
Scénario Technique
Contexte : Un modèle affiche 95% d’accuracy sur un dataset déséquilibré. Le Problème : L’accuracy masque les mauvaises performances sur la classe minoritaire. Extrait logique actuelle : print(accuracy_score(y_test, y_pred)) Contraintes : Calculer precision, recall et F1-score. Analyser matrice de confusion. Livrable attendu : Adapter l’évaluation pour mieux refléter la performance réelle du modèle.
Prêt à évaluer ce talent ?
Accédez à l'interface de test complète pour soumettre votre architecture ou votre code.