NLP
Avancé
Correction d’un modèle biaisé par déséquilibre des classes
Type d'évaluation
Mise en situation réelle
Analyse
Intelligence Artificielle
Compétences ciblées
imbalanced-data
text-classification
evaluation
bugfix
supervised-learning
Scénario Technique
Contexte : Un classificateur de tickets support prédit majoritairement la catégorie la plus fréquente. Le Problème : Les classes minoritaires sont mal détectées. Extrait logique actuelle : model.fit(X_train, y_train) Sans pondération. Contraintes : Introduire pondération des classes ou rééchantillonnage. Évaluer via F1-score macro. Comparer avant/après. Livrable attendu : Proposer une stratégie d’amélioration pour gérer le déséquilibre des classes en NLP.
Prêt à évaluer ce talent ?
Accédez à l'interface de test complète pour soumettre votre architecture ou votre code.