Inférence, estimation et prise de décision à partir des données
Un classifieur produit souvent plus qu'une étiquette. Demandez-lui la chance qu'un e-mail soit du spam et il pourrait répondre 0.8. Ce nombre devrait signifier quelque chose de testable : parmi de nombreux e-mails que le modèle note près de 0.8, environ 80% d'entre eux devraient réellement être du spam. Quand la probabilité prédite et la fréquence observée s'accordent ainsi, le modèle est calibré.
🔒 This is a Pro lesson — the interactive figure, worked examples, quiz and practice open with Pro access.
▶ Calibration et scores propres