Vous ajustez un modèle de régression logistique et souhaitez évaluer comment différents seuils de classification affectent les performances. Quel outil d'évaluation devriez-vous utiliser ?

La courbe ROC est l'outil le plus approprié car elle permet de visualiser les performances d'un modèle de classification binaire à différents seuils de discrimination. Elle trace le taux de vrais positifs (sensibilité) contre le taux de faux positifs (1 - spécificité) pour tous les seuils possibles, offrant une vue complète de l'équilibre entre ces deux métriques. Le taux de mauvaise classification est une métrique unique qui dépend d'un seuil spécifique et ne montre pas l'impact des changements de seuil. L'erreur quadratique moyenne (RMSE) est utilisée pour évaluer les modèles de régression, pas de classification. La norme L1 est une méthode de régularisation utilisée pendant l'entraînement du modèle, pas une métrique d'évaluation des performances.