Une entreprise a créé un classifieur d'images pour détecter les maladies des plantes à partir de photos de feuilles et souhaite connaître la proportion d'images que le modèle a correctement étiquetées. Quelle métrique d'évaluation devrait-elle utiliser ?

La précision (Accuracy) est la métrique appropriée car elle mesure la proportion d'instances correctement classées (vrais positifs + vrais négatifs) sur le nombre total d'instances. L'entreprise veut savoir quelle proportion d'images le modèle a correctement étiquetées, ce qui correspond directement à la définition de la précision. Le score R-carré et l'erreur quadratique moyenne (RMSE) sont des métriques utilisées pour l'évaluation des modèles de régression, pas de classification. Le taux d'apprentissage est un hyperparamètre utilisé pendant l'entraînement du modèle, et non une métrique d'évaluation de la performance.