Un spécialiste de l'IA doit choisir une métrique de performance qui indique le ratio d'éléments correctement classés par rapport au nombre total d'éléments classés (corrects et incorrects). De quelle métrique s'agit-il ?

L'Accuracy (Précision globale) est la métrique qui mesure le ratio d'éléments correctement classés (vrais positifs et vrais négatifs) par rapport au nombre total d'éléments classés. C'est une mesure globale de la performance du modèle. La Precision (Précision) se concentre sur la proportion de vrais positifs parmi tous les positifs prédits. Le Recall (Rappel ou Sensibilité) mesure la proportion de vrais positifs parmi tous les positifs réels. Le F1 score est la moyenne harmonique de la précision et du rappel, utile lorsque l'on recherche un équilibre entre ces deux métriques, surtout avec des classes déséquilibrées.