Une entreprise chimique a besoin d'un modèle qui maximise la probabilité de détecter un comportement de processus anormal (libellés : 0 = normal, 1 = anormal). Parmi ces paires de métriques, laquelle indique le modèle le plus susceptible de détecter les anomalies ?

Pour détecter un comportement de processus anormal, il est crucial de maximiser la détection des anomalies réelles, même si cela signifie un taux de fausses alertes légèrement plus élevé. Le rappel (recall) mesure la proportion d'anomalies réelles qui ont été correctement identifiées par le modèle (True Positives / (True Positives + False Negatives)). Un rappel élevé est donc essentiel pour ne pas manquer les événements anormaux. La précision (precision) mesure la proportion de prédictions positives qui sont réellement des anomalies (True Positives / (True Positives + False Positives)). Bien qu'importante, une précision légèrement inférieure est acceptable si le rappel est maximisé pour ce cas d'usage. L'option avec une précision de 0,61 et un rappel de 0,98 présente le rappel le plus élevé, ce qui est préférable pour détecter les anomalies. Les autres options ont un rappel plus faible, ce qui signifie qu'elles manqueraient plus d'anomalies.