Introduction aux Méthodes de Classification

📋 Plan du Cours

1. Classification : définition et caractéristiques
2. Exemples de problèmes de classification
3. Processus de classification en deux étapes
4. Train test split et estimation du taux d’erreur
5. Cross validation pour valider le modèle
6. Évaluation : matrice de confusion et indicateurs
7. Accuracy, recall, précision et F1 score
8. Courbe ROC et interprétation AUC
9. Méthodes de classification courantes

📖 1. Classification : définition et caractéristiques

🔑 Notions clés & Définitions

• Classification : La classification est une tâche d’apprentissage qui prédit l’appartenance d’une entité à une catégorie parmi un ensemble de classes.
• Classes : Les classes sont les groupes cibles que le modèle doit identifier à partir de profils et d’observations.
• Apprentissage supervisé : L’apprentissage supervisé est un cadre où les classes sont connues à l’avance grâce à des exemples étiquetés.
• Taux d’erreur : Le taux d’erreur mesure la proportion de prédictions incorrectes produites par un modèle de classification.

📝 Points essentiels