Correction d’un déséquilibre de classes dans un dataset d’images

Scénario

Contexte : Un modèle de classification d’images est biaisé vers la classe majoritaire. Le Problème : Les classes rares sont mal détectées. Extrait logique actuelle : model.fit(X_train, y_train) Sans pondération. Contraintes : Introduire class weights ou sur-échantillonnage. Évaluer avec F1-score macro. Comparer résultats. Livrable attendu : Proposer une amélioration du pipeline afin d’améliorer la détection des classes minoritaires.

Compétences ciblées