{"id":246093,"date":"2024-07-22T05:30:00","date_gmt":"2024-07-22T05:30:00","guid":{"rendered":"https:\/\/datascientest.com\/?p=246093"},"modified":"2024-08-20T14:18:53","modified_gmt":"2024-08-20T14:18:53","slug":"metriques-en-machine-learning","status":"publish","type":"post","link":"https:\/\/datascientest.com\/metriques-en-machine-learning","title":{"rendered":"M\u00e9triques en Machine Learning : Tout ce qu&rsquo;il faut savoir"},"content":{"rendered":"\t\t<div data-elementor-type=\"wp-post\" data-elementor-id=\"246093\" class=\"elementor elementor-246093\" data-elementor-post-type=\"post\">\n\t\t\t\t\t\t\t<div class=\"elementor-element elementor-element-458ca3e e-flex e-con-boxed e-con\" data-id=\"458ca3e\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-4136fef elementor-widget elementor-widget-heading\" data-id=\"4136fef\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.15.0 - 02-08-2023 *\/\n.elementor-heading-title{padding:0;margin:0;line-height:1}.elementor-widget-heading .elementor-heading-title[class*=elementor-size-]>a{color:inherit;font-size:inherit;line-height:inherit}.elementor-widget-heading .elementor-heading-title.elementor-size-small{font-size:15px}.elementor-widget-heading .elementor-heading-title.elementor-size-medium{font-size:19px}.elementor-widget-heading .elementor-heading-title.elementor-size-large{font-size:29px}.elementor-widget-heading .elementor-heading-title.elementor-size-xl{font-size:39px}.elementor-widget-heading .elementor-heading-title.elementor-size-xxl{font-size:59px}<\/style><p class=\"elementor-heading-title elementor-size-default\">Apr\u00e8s avoir d\u00e9velopp\u00e9 un mod\u00e8le de Machine Learning, il est important de pouvoir \u00e9valuer ses performances, afin de mesurer son efficacit\u00e9. Pour comparer de mani\u00e8re objective plusieurs mod\u00e8les entre eux, l\u2019utilisation des m\u00e9triques est indispensable. Comprendre et savoir utiliser ces m\u00e9triques est essentiel pour d\u00e9velopper un mod\u00e8le de Machine Learning efficace. Dans cet article, vous allez d\u00e9couvrir les principales m\u00e9triques utilis\u00e9es pour \u00e9valuer un mod\u00e8le de Machine Learning.<\/p>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-58e1812 e-flex e-con-boxed e-con\" data-id=\"58e1812\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-ae24c05 elementor-widget elementor-widget-heading\" data-id=\"ae24c05\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Qu\u2019est ce qu\u2019une m\u00e9trique en Machine Learning ?<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-43d7c54 elementor-widget elementor-widget-text-editor\" data-id=\"43d7c54\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.15.0 - 02-08-2023 *\/\n.elementor-widget-text-editor.elementor-drop-cap-view-stacked .elementor-drop-cap{background-color:#69727d;color:#fff}.elementor-widget-text-editor.elementor-drop-cap-view-framed .elementor-drop-cap{color:#69727d;border:3px solid;background-color:transparent}.elementor-widget-text-editor:not(.elementor-drop-cap-view-default) .elementor-drop-cap{margin-top:8px}.elementor-widget-text-editor:not(.elementor-drop-cap-view-default) .elementor-drop-cap-letter{width:1em;height:1em}.elementor-widget-text-editor .elementor-drop-cap{float:left;text-align:center;line-height:1;font-size:50px}.elementor-widget-text-editor .elementor-drop-cap-letter{display:inline-block}<\/style>\t\t\t\t<p><span style=\"font-weight: 400;\">Le <a href=\"https:\/\/datascientest.com\/machine-learning-tout-savoir\">Machine Learning<\/a> permet aux ordinateurs d\u2019apprendre et de faire des <strong>pr\u00e9dictions<\/strong> ou de prendre des <strong>d\u00e9cisions bas\u00e9es sur des donn\u00e9es<\/strong>.<\/span><\/p><p><span style=\"font-weight: 400;\">Il existe deux types d\u2019apprentissage : <a href=\"https:\/\/datascientest.com\/apprentissage-supervise\">l\u2019apprentissage supervis\u00e9<\/a> ou <a href=\"https:\/\/datascientest.com\/apprentissage-non-supervise\">l\u2019apprentissage non supervis\u00e9<\/a>.<\/span><\/p><p><span style=\"font-weight: 400;\">Dans cet article, nous nous placerons dans un cadre supervis\u00e9. Pour avoir plus de d\u00e9tails sur les bases du Machine Learning et la diff\u00e9rence entre ces deux types d\u2019apprentissage, nous vous recommandons de lire <a href=\"https:\/\/datascientest.com\/machine-learning-tout-savoir\">cet article<\/a> qui vous pr\u00e9sentera les concepts cl\u00e9s du Machine Learning qui vous seront utiles pour comprendre l\u2019utilisation des m\u00e9triques dans un mod\u00e8le de Machine Learning.<\/span><\/p><p><span style=\"font-weight: 400;\">Une m\u00e9trique est une valeur num\u00e9rique permet de <strong>quantifier la qualit\u00e9 des pr\u00e9dictions d\u2019un mod\u00e8le<\/strong>. Son r\u00f4le est essentiel durant toutes les \u00e9tapes du d\u00e9veloppement d\u2019un mod\u00e8le de Machine Learning car elle permet de d\u00e9terminer si un mod\u00e8le correspond \u00e0 nos attentes. En fonction des r\u00e9sultats obtenus, les m\u00e9triques permettent de comparer objectivement plusieurs mod\u00e8les entre eux, de choisir le mod\u00e8le le plus performant ou de changer les <strong>hyperparam\u00e8tres<\/strong> d\u2019un mod\u00e8le.<\/span><\/p><p><span style=\"font-weight: 400;\">Une bonne ma\u00eetrise des diff\u00e9rentes m\u00e9triques est essentielle pour d\u00e9ployer un mod\u00e8le efficace.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-39fc820 elementor-align-center button-principale elementor-widget elementor-widget-button\" data-id=\"39fc820\" data-element_type=\"widget\" data-widget_type=\"button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-button-wrapper\">\n\t\t\t<a class=\"elementor-button elementor-button-link elementor-size-sm elementor-animation-grow\" href=\"https:\/\/datascientest.com\/formation-data-scientist\">\n\t\t\t\t\t\t<span class=\"elementor-button-content-wrapper\">\n\t\t\t\t\t\t<span class=\"elementor-button-text\">Apprendre \u00e0 d\u00e9ployer des mod\u00e8les de ML<\/span>\n\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-ae52e38 e-flex e-con-boxed e-con\" data-id=\"ae52e38\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-7417868 elementor-widget elementor-widget-heading\" data-id=\"7417868\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Quelle m\u00e9trique choisir pour mon mod\u00e8le ?<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-bc84221 elementor-widget elementor-widget-text-editor\" data-id=\"bc84221\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Pour <strong>choisir la m\u00e9trique appropri\u00e9e<\/strong>, il est important de comprendre le contexte du probl\u00e8me et les objectifs du mod\u00e8le. Il existe de nombreuses m\u00e9triques, et nous allons vous en pr\u00e9senter quelques-unes et leurs avantages.\u00a0<\/span><\/p><p><span style=\"font-weight: 400;\">Dans un cadre d\u2019apprentissage supervis\u00e9, il faut commencer par d\u00e9terminer le <strong>type de pr\u00e9diction<\/strong> que le mod\u00e8le doit r\u00e9aliser. Si le mod\u00e8le doit pr\u00e9dire une valeur num\u00e9rique (par exemple le prix d\u2019un logement), il s\u2019agit d\u2019un probl\u00e8me de r\u00e9gression (par exemple <a href=\"https:\/\/datascientest.com\/regression-lineaire-tout-savoir\">r\u00e9gression lin\u00e9aire<\/a>). Dans le cas inverse, si le mod\u00e8le doit pr\u00e9dire une <strong>valeur cat\u00e9gorielle<\/strong> (par exemple la pr\u00e9sence ou non de fraude lors d\u2019une transaction bancaire), nous sommes dans un contexte de <a href=\"https:\/\/datascientest.com\/algorithme-de-classification-definition-et-principaux-modeles\">classification<\/a>. Les m\u00e9triques utilis\u00e9es dans des mod\u00e8les de r\u00e9gression sont en effet diff\u00e9rentes de celles utilis\u00e9es dans des <a href=\"https:\/\/datascientest.com\/algorithme-de-classification-definition-et-principaux-modeles\">mod\u00e8les de classification<\/a>.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-bac31c6 elementor-widget elementor-widget-heading\" data-id=\"bac31c6\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h4 class=\"elementor-heading-title elementor-size-medium\">A. M\u00e9triques de r\u00e9gression<\/h4>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-de19ca2 elementor-widget elementor-widget-text-editor\" data-id=\"de19ca2\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Dans cet article, nous allons vous pr\u00e9senter deux des principales m\u00e9triques de r\u00e9gression : l\u2019erreur quadratique moyenne et l\u2019erreur absolue moyenne.<\/span><\/p><ul><li style=\"font-weight: 400;\" aria-level=\"1\"><span style=\"font-weight: 400;\">L\u2019erreur quadratique moyenne (MSE) est d\u00e9finie comme suit :\u00a0<\/span><\/li><\/ul>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-b71815d elementor-widget elementor-widget-shortcode\" data-id=\"b71815d\" data-element_type=\"widget\" data-widget_type=\"shortcode.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-shortcode\"><math xmlns='http:\/\/www.w3.org\/1998\/Math\/MathML'> <mfrac> <mrow> <mn> 1 <\/mn> <\/mrow> <mrow> <mi> N <\/mi> <\/mrow> <\/mfrac> <munderover> <mrow> <mo> &#x2211; <!-- n-ary summation --> <\/mo> <\/mrow> <mrow> <mi> i <\/mi> <mo> = <\/mo> <mn> 1 <\/mn> <\/mrow> <mrow> <mi> N <\/mi> <\/mrow> <\/munderover> <msup> <mrow> <mrow> <mo> ( <\/mo> <msub> <mrow> <mi> y <\/mi> <\/mrow> <mrow> <mi> i <\/mi> <\/mrow> <\/msub> <mo> - <\/mo> <msub> <mrow> <mover> <mrow> <mi> y <\/mi> <\/mrow> <mrow> <mo> &#x2227; <!-- logical and --> <\/mo> <\/mrow> <\/mover> <\/mrow> <mrow> <mi> i <\/mi> <\/mrow> <\/msub> <mo> ) <\/mo> <\/mrow> <\/mrow> <mrow> <mn> 2 <\/mn> <\/mrow> <\/msup> <\/math><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-a15010b elementor-widget elementor-widget-text-editor\" data-id=\"a15010b\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">o\u00f9 <strong>\u039d<\/strong> est le nombre d\u2019observations, <strong>y<sub>i<\/sub><\/strong> est la valeur r\u00e9elle, et <strong>\u0177<sub>i<\/sub><\/strong> est la pr\u00e9diction r\u00e9alis\u00e9e.<\/span><\/p><p><span style=\"font-weight: 400;\">Cette m\u00e9trique consiste \u00e0 sommer les carr\u00e9s des diff\u00e9rences entre les valeurs r\u00e9elles et les pr\u00e9dictions. L\u2019erreur quadratique moyenne p\u00e9nalise fortement les \u00e9carts trop grands entre la valeur r\u00e9elle et la pr\u00e9diction, ce qui peut \u00eatre utile dans un contexte o\u00f9 ces \u00e9carts sont particuli\u00e8rement ind\u00e9sirables.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-372e4ce elementor-widget elementor-widget-image\" data-id=\"372e4ce\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.15.0 - 02-08-2023 *\/\n.elementor-widget-image{text-align:center}.elementor-widget-image a{display:inline-block}.elementor-widget-image a img[src$=\".svg\"]{width:48px}.elementor-widget-image img{vertical-align:middle;display:inline-block}<\/style>\t\t\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"900\" height=\"514\" src=\"https:\/\/datascientest.com\/wp-content\/uploads\/2024\/07\/metriques-machine-learning-datascientest1.jpg\" class=\"attachment-full size-full wp-image-246164\" alt=\"\" srcset=\"https:\/\/datascientest.com\/wp-content\/uploads\/2024\/07\/metriques-machine-learning-datascientest1.jpg 900w, https:\/\/datascientest.com\/wp-content\/uploads\/2024\/07\/metriques-machine-learning-datascientest1-300x171.jpg 300w, https:\/\/datascientest.com\/wp-content\/uploads\/2024\/07\/metriques-machine-learning-datascientest1-768x439.jpg 768w\" sizes=\"(max-width: 900px) 100vw, 900px\" \/>\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-35558de elementor-widget elementor-widget-text-editor\" data-id=\"35558de\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Vous pouvez avoir plus d\u2019informations sur l\u2019erreur quadratique moyenne en lisant <\/span><a href=\"https:\/\/datascientest.com\/erreur-quadratique-moyenne\"><span style=\"font-weight: 400;\">cet article<\/span><\/a><span style=\"font-weight: 400;\"> qui d\u00e9crira plus en d\u00e9tail ses caract\u00e9ristiques et un exemple d\u2019application.<\/span><\/p><ul><li><span style=\"font-weight: 400;\">L\u2019erreur absolue moyenne (MAE) est d\u00e9finie comme suit :<\/span><\/li><\/ul>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-17b552b elementor-widget elementor-widget-shortcode\" data-id=\"17b552b\" data-element_type=\"widget\" data-widget_type=\"shortcode.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-shortcode\"><math xmlns='http:\/\/www.w3.org\/1998\/Math\/MathML'> <mfrac> <mrow> <mn> 1 <\/mn> <\/mrow> <mrow> <mi> N <\/mi> <\/mrow> <\/mfrac> <munderover> <mrow> <mo> &#x2211; <!-- n-ary summation --> <\/mo> <\/mrow> <mrow> <mi> i <\/mi> <mo> = <\/mo> <mn> 1 <\/mn> <\/mrow> <mrow> <mi> N <\/mi> <\/mrow> <\/munderover> <msup> <mrow> <mrow> <mo> | <\/mo> <msub> <mrow> <mi> y <\/mi> <\/mrow> <mrow> <mi> i <\/mi> <\/mrow> <\/msub> <mo> - <\/mo> <msub> <mrow> <mover> <mrow> <mi> y <\/mi> <\/mrow> <mrow> <mo> &#x2227; <!-- logical and --> <\/mo> <\/mrow> <\/mover> <\/mrow> <mrow> <mi> i <\/mi> <\/mrow> <\/msub> <mo> | <\/mo> <\/mrow> <\/mrow>  <\/math><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-3c1ed31 elementor-widget elementor-widget-text-editor\" data-id=\"3c1ed31\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">o\u00f9 <strong>\u039d<\/strong> est le nombre d\u2019observations, <strong>y<sub>i<\/sub><\/strong> est la valeur r\u00e9elle, et <strong>\u0177<sub>i<\/sub><\/strong> est la pr\u00e9diction r\u00e9alis\u00e9e.<\/span><\/p><p><span style=\"font-weight: 400;\">Cette m\u00e9trique consiste \u00e0 sommer la valeur absolue des diff\u00e9rences entre les pr\u00e9dictions r\u00e9alis\u00e9es et les valeurs r\u00e9elles.\u00a0<\/span><\/p><p><span style=\"font-weight: 400;\">L\u2019erreur absolue moyenne est moins sensible aux grandes diff\u00e9rences que l\u2019erreur quadratique moyenne.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-9631487 elementor-align-center button-principale elementor-widget elementor-widget-button\" data-id=\"9631487\" data-element_type=\"widget\" data-widget_type=\"button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-button-wrapper\">\n\t\t\t<a class=\"elementor-button elementor-button-link elementor-size-sm elementor-animation-grow\" href=\"https:\/\/datascientest.com\/formation-data-scientist\">\n\t\t\t\t\t\t<span class=\"elementor-button-content-wrapper\">\n\t\t\t\t\t\t<span class=\"elementor-button-text\">Ma\u00eetriser les m\u00e9triques en Machine Learning<\/span>\n\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-6d2d6f9 elementor-widget elementor-widget-heading\" data-id=\"6d2d6f9\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h4 class=\"elementor-heading-title elementor-size-medium\">B. M\u00e9triques de classification<\/h4>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-e070124 elementor-widget elementor-widget-text-editor\" data-id=\"e070124\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Dans un cadre de classification, la mani\u00e8re d\u2019\u00e9valuer les performances d\u2019un mod\u00e8le est diff\u00e9rente. Nous allons pr\u00e9senter trois des principales m\u00e9triques de classification : l\u2019exactitude, la pr\u00e9cision et le rappel.<\/span><\/p><ul><li style=\"font-weight: 400;\" aria-level=\"1\"><span style=\"font-weight: 400;\">Pour calculer l\u2019exactitude, il suffit d\u2019\u00e9valuer le taux de bonnes pr\u00e9dictions par rapport au nombre total de pr\u00e9dictions :<\/span><\/li><\/ul>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-c759426 elementor-widget elementor-widget-shortcode\" data-id=\"c759426\" data-element_type=\"widget\" data-widget_type=\"shortcode.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-shortcode\"><math xmlns='http:\/\/www.w3.org\/1998\/Math\/MathML'> <mfrac> <mrow> <mn> <i>Nombre de pr\u00e9dictions correctes<\/i> <\/mn> <\/mrow> <mrow> <mi> <i>Nombre total de pr\u00e9dictions<\/i> <\/mi> <\/mrow>  <\/math><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-fe5196e elementor-widget elementor-widget-text-editor\" data-id=\"fe5196e\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p style=\"padding-left: 40px;\"><span style=\"font-weight: 400;\">Cette formule renvoie un nombre entre <strong>0<\/strong> et <strong>1<\/strong>. Un score proche de <strong>1<\/strong> indique un tr\u00e8s bon mod\u00e8le, tandis qu\u2019un score proche de <strong>0<\/strong> indique un mauvais mod\u00e8le. Cette m\u00e9trique est assez intuitive et facile \u00e0 comprendre. Cependant, il faut noter qu\u2019elle \u00e9value mal les performances d\u2019un mod\u00e8le bas\u00e9 sur des donn\u00e9es d\u00e9s\u00e9quilibr\u00e9es, ou encore des donn\u00e9es dans lesquelles les <strong>erreurs de pr\u00e9diction<\/strong> n\u2019ont pas le m\u00eame impact.<\/span><\/p><p style=\"padding-left: 40px;\"><span style=\"font-weight: 400;\">Pour illustrer ce concept, prenons l\u2019exemple d\u2019un mod\u00e8le qui d\u00e9tecte la pr\u00e9sence d\u2019une maladie sur un patient. Si dans 90% des cas, le patient n\u2019est pas malade, le mod\u00e8le pourrait syst\u00e9matiquement\u00a0 pr\u00e9dire que le patient est sain. L\u2019exactitude de ce mod\u00e8le sera alors de 0,9, ce qui semble \u00eatre un tr\u00e8s bon score. Pourtant, deux probl\u00e8mes majeurs peuvent se poser :\u00a0<\/span><\/p><ul><li style=\"list-style-type: none;\"><ul><li style=\"font-weight: 400;\" aria-level=\"1\"><span style=\"font-weight: 400;\">Premi\u00e8rement, le mod\u00e8le serait incapable de d\u00e9tecter la maladie chez un patient.<\/span><\/li><li style=\"font-weight: 400;\" aria-level=\"1\"><span style=\"font-weight: 400;\">Deuxi\u00e8mement, la <strong>qualit\u00e9 des pr\u00e9dictions<\/strong> n\u2019est pas prise en compte. Pr\u00e9dire qu\u2019un patient est malade alors qu\u2019il ne l\u2019est pas (on parle de <strong>faux positif<\/strong>) n\u2019aura absolument pas le m\u00eame impact que si le mod\u00e8le pr\u00e9dit qu\u2019un patient n\u2019est pas malade alors qu\u2019il l\u2019est (<strong>faux n\u00e9gatif<\/strong>).<\/span><\/li><\/ul><\/li><\/ul>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-89b8a04 elementor-widget elementor-widget-image\" data-id=\"89b8a04\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"900\" height=\"514\" src=\"https:\/\/datascientest.com\/wp-content\/uploads\/2024\/07\/metriques-machine-learning-datascientest2.jpg\" class=\"attachment-full size-full wp-image-246176\" alt=\"\" srcset=\"https:\/\/datascientest.com\/wp-content\/uploads\/2024\/07\/metriques-machine-learning-datascientest2.jpg 900w, https:\/\/datascientest.com\/wp-content\/uploads\/2024\/07\/metriques-machine-learning-datascientest2-300x171.jpg 300w, https:\/\/datascientest.com\/wp-content\/uploads\/2024\/07\/metriques-machine-learning-datascientest2-768x439.jpg 768w\" sizes=\"(max-width: 900px) 100vw, 900px\" \/>\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-d74eb36 elementor-widget elementor-widget-text-editor\" data-id=\"d74eb36\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">L\u2019exactitude ne permet pas de faire des nuances entre les diff\u00e9rentes pr\u00e9dictions\u00a0 et ne prend pas en compte les donn\u00e9es d\u00e9s\u00e9quilibr\u00e9es. C\u2019est la raison pour laquelle il existe des m\u00e9triques pour pallier ce probl\u00e8me : <\/span><\/p><ul><li><span style=\"font-weight: 400;\">La pr\u00e9cision est d\u00e9finie comme suit :<\/span><\/li><\/ul>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-14d0e60 elementor-widget__width-initial elementor-widget elementor-widget-shortcode\" data-id=\"14d0e60\" data-element_type=\"widget\" data-widget_type=\"shortcode.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-shortcode\"><math xmlns='http:\/\/www.w3.org\/1998\/Math\/MathML'> <mfrac> <mrow> <mn> <i>TP<\/i> <\/mn> <\/mrow> <mrow> <mi> <i>TP + FP<\/i> <\/mi> <\/mrow>  <\/math><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-1e902ee elementor-widget elementor-widget-text-editor\" data-id=\"1e902ee\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">o\u00f9 <strong><em>TP<\/em><\/strong> repr\u00e9sente le nombre de Vrais Positifs et <em><strong>FP<\/strong><\/em> repr\u00e9sente le nombre de Faux Positifs.<\/span><\/p><p><span style=\"font-weight: 400;\">Cette m\u00e9trique est utile lorsque le co\u00fbt des faux positifs est \u00e9lev\u00e9.<\/span><\/p><ul><li><span style=\"font-weight: 400;\">De mani\u00e8re assez similaire, le rappel est d\u00e9fini comme suit :<\/span><\/li><\/ul>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-6d3f19e elementor-widget elementor-widget-shortcode\" data-id=\"6d3f19e\" data-element_type=\"widget\" data-widget_type=\"shortcode.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-shortcode\"><math xmlns='http:\/\/www.w3.org\/1998\/Math\/MathML'> <mfrac> <mrow> <mn> <i>TP<\/i> <\/mn> <\/mrow> <mrow> <mi> <i>TP + FN<\/i> <\/mi> <\/mrow>  <\/math><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-d6a07ba elementor-widget elementor-widget-text-editor\" data-id=\"d6a07ba\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">o\u00f9 <em><strong>TP<\/strong><\/em> repr\u00e9sente le nombre de Vrais Positifs et <em><strong>FN<\/strong><\/em> repr\u00e9sente le nombre de Faux N\u00e9gatifs.<\/span><\/p><p><span style=\"font-weight: 400;\">Cette m\u00e9trique est utile lorsque le co\u00fbt des faux n\u00e9gatifs est \u00e9lev\u00e9.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-550068a e-flex e-con-boxed e-con\" data-id=\"550068a\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-020cb61 elementor-widget elementor-widget-heading\" data-id=\"020cb61\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Conclusion<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-912af51 elementor-widget elementor-widget-text-editor\" data-id=\"912af51\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Pour conclure, utiliser les m\u00e9triques est essentiel pour <strong>\u00e9valuer les performances d\u2019un mod\u00e8le de Machine Learning<\/strong>. Choisir la m\u00e9trique correcte selon le mod\u00e8le permet de prendre les bonnes d\u00e9cisions quant \u00e0 la mani\u00e8re de l\u2019am\u00e9liorer. En fonction du type de mod\u00e8le (<strong>mod\u00e8le de classification ou de r\u00e9gression<\/strong>), du contexte et du type des donn\u00e9es, certaines m\u00e9triques seront pr\u00e9f\u00e9rables \u00e0 d\u2019autres, et il est important de comprendre les avantages et les inconv\u00e9nients de chaque m\u00e9trique pour utiliser celle qui correspondra le mieux \u00e0 votre probl\u00e9matique.\u00a0<\/span><\/p><p><span style=\"font-weight: 400;\">Les <a href=\"https:\/\/datascientest.com\/devenir-data-scientist-comment-faire\">Data Scientist<\/a> utilisent les m\u00e9triques pour pr\u00e9parer des mod\u00e8les de Machine Learning efficaces. Pour cela, ils utilisent une multitude de concepts math\u00e9matiques et des logiciels sp\u00e9cifiques capables de pr\u00e9parer et d\u2019analyser les donn\u00e9es. \u00c0 ce titre, une formation est plus que n\u00e9cessaire. C\u2019est justement possible avec <strong>DataScientest<\/strong>. Nous vous proposons des formations compl\u00e8tes en <a href=\"https:\/\/datascientest.com\/definition-bootcamp\">bootcamp<\/a>, en <a href=\"https:\/\/datascientest.com\/apprentissage-continu-tout-savoir\">continu<\/a> ou en <a href=\"https:\/\/datascientest.com\/debut-contrat-en-alternance\">alternance<\/a>.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-4f45e60 elementor-align-center button-principale elementor-widget elementor-widget-button\" data-id=\"4f45e60\" data-element_type=\"widget\" data-widget_type=\"button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-button-wrapper\">\n\t\t\t<a class=\"elementor-button elementor-button-link elementor-size-sm elementor-animation-grow\" href=\"https:\/\/datascientest.com\/formation-data-scientist\">\n\t\t\t\t\t\t<span class=\"elementor-button-content-wrapper\">\n\t\t\t\t\t\t<span class=\"elementor-button-text\">Commencer une formation avec DataScientest<\/span>\n\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-d5454e4 e-flex e-con-boxed e-con\" data-id=\"d5454e4\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-e643016 elementor-widget elementor-widget-html\" data-id=\"e643016\" data-element_type=\"widget\" data-widget_type=\"html.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<script type=\"application\/ld+json\">\r\n{\r\n  \"@context\": \"https:\/\/schema.org\",\r\n  \"@type\": \"FAQPage\",\r\n  \"mainEntity\": [{\r\n    \"@type\": \"Question\",\r\n    \"name\": \"Pourquoi est-il important de choisir les bonnes m\u00e9triques pour \u00e9valuer un mod\u00e8le de Machine Learning ?\",\r\n    \"acceptedAnswer\": {\r\n      \"@type\": \"Answer\",\r\n      \"text\": \"Il est crucial de choisir les bonnes m\u00e9triques car elles d\u00e9terminent comment la performance du mod\u00e8le est \u00e9valu\u00e9e. Une m\u00e9trique inappropri\u00e9e peut donner une image trompeuse de la qualit\u00e9 du mod\u00e8le. \"\r\n    }\r\n  },{\r\n    \"@type\": \"Question\",\r\n    \"name\": \"Quelles sont les principales m\u00e9triques utilis\u00e9es en Machine Learning ?\",\r\n    \"acceptedAnswer\": {\r\n      \"@type\": \"Answer\",\r\n      \"text\": \"Les principales m\u00e9triques utilis\u00e9es en Machine Learning incluent : \\n -Exactitude (Accuracy) : Le pourcentage de pr\u00e9dictions correctes parmi le total des pr\u00e9dictions. \\n -Pr\u00e9cision (Precision) : Le ratio des vraies pr\u00e9dictions positives sur le total des pr\u00e9dictions positives. \\n -Rappel (Recall) : Le ratio des vraies pr\u00e9dictions positives sur le total des \u00e9l\u00e9ments positifs r\u00e9els.\"\r\n    }\r\n  },{\r\n    \"@type\": \"Question\",\r\n    \"name\": \"Comment choisir entre la pr\u00e9cision et le rappel pour \u00e9valuer un mod\u00e8le ?\",\r\n    \"acceptedAnswer\": {\r\n      \"@type\": \"Answer\",\r\n      \"text\": \"Le choix entre la pr\u00e9cision, le rappel et le F1-Score d\u00e9pend du contexte et des priorit\u00e9s de l'application du mod\u00e8le : \\n -Pr\u00e9cision : Utilis\u00e9e lorsque le co\u00fbt des faux positifs est \u00e9lev\u00e9. Par exemple, dans le filtrage des spams, o\u00f9 il est important de minimiser les emails l\u00e9gitimes class\u00e9s comme spams. \\n -Rappel : Pr\u00e9f\u00e9r\u00e9e lorsque le co\u00fbt des faux n\u00e9gatifs est \u00e9lev\u00e9. Par exemple, dans le d\u00e9pistage m\u00e9dical, o\u00f9 il est crucial d'identifier tous les cas positifs, m\u00eame si cela implique plus de faux positifs.\"\r\n    }\r\n  }]\r\n}\r\n<\/script>\r\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<\/div>\n\t\t","protected":false},"excerpt":{"rendered":"<p>Apr\u00e8s avoir d\u00e9velopp\u00e9 un mod\u00e8le de Machine Learning, il est important de pouvoir \u00e9valuer ses performances, afin de mesurer son efficacit\u00e9. Pour comparer de mani\u00e8re objective plusieurs mod\u00e8les entre eux, l\u2019utilisation des m\u00e9triques est indispensable. Comprendre et savoir utiliser ces m\u00e9triques est essentiel pour d\u00e9velopper un mod\u00e8le de Machine Learning efficace. Dans cet article, vous [&hellip;]<\/p>\n","protected":false},"author":90,"featured_media":246095,"comment_status":"open","ping_status":"open","sticky":false,"template":"elementor_theme","format":"standard","meta":{"content-type":"","inline_featured_image":false},"categories":[2497],"tags":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO Premium plugin v21.7 (Yoast SEO v21.7) - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>M\u00e9triques en Machine Learning : Tout ce qu&#039;il faut savoir<\/title>\n<meta name=\"description\" content=\"Les m\u00e9triques en Machine Learning sont des outils essentiels pour \u00e9valuer la performance des mod\u00e8les. En utilisant ces mesures, les data scientists peuvent comparer, optimiser et s\u00e9lectionner les mod\u00e8les les plus performants pour des t\u00e2ches sp\u00e9cifiques, garantissant ainsi des pr\u00e9dictions fiables et pertinentes.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/datascientest.com\/metriques-en-machine-learning\" \/>\n<meta property=\"og:locale\" content=\"fr_FR\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"M\u00e9triques en Machine Learning : Tout ce qu&#039;il faut savoir\" \/>\n<meta property=\"og:url\" content=\"https:\/\/datascientest.com\/metriques-en-machine-learning\" \/>\n<meta property=\"og:site_name\" content=\"Formation Data Science | DataScientest.com\" \/>\n<meta property=\"article:published_time\" content=\"2024-07-22T05:30:00+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2024-08-20T14:18:53+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/datascientest.com\/wp-content\/uploads\/2024\/07\/Schema-model_evaluation-42-42.png\" \/>\n\t<meta property=\"og:image:width\" content=\"960\" \/>\n\t<meta property=\"og:image:height\" content=\"540\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/png\" \/>\n<meta name=\"author\" content=\"Lea Molina\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"\u00c9crit par\" \/>\n\t<meta name=\"twitter:data1\" content=\"Lea Molina\" \/>\n\t<meta name=\"twitter:label2\" content=\"Dur\u00e9e de lecture estim\u00e9e\" \/>\n\t<meta name=\"twitter:data2\" content=\"7 minutes\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/datascientest.com\/metriques-en-machine-learning\",\"url\":\"https:\/\/datascientest.com\/metriques-en-machine-learning\",\"name\":\"M\u00e9triques en Machine Learning : Tout ce qu'il faut savoir\",\"isPartOf\":{\"@id\":\"https:\/\/datascientest.com\/#website\"},\"datePublished\":\"2024-07-22T05:30:00+00:00\",\"dateModified\":\"2024-08-20T14:18:53+00:00\",\"author\":{\"@id\":\"https:\/\/datascientest.com\/#\/schema\/person\/7f3550a54e60f0c81a5f760c8c584371\"},\"description\":\"Les m\u00e9triques en Machine Learning sont des outils essentiels pour \u00e9valuer la performance des mod\u00e8les. En utilisant ces mesures, les data scientists peuvent comparer, optimiser et s\u00e9lectionner les mod\u00e8les les plus performants pour des t\u00e2ches sp\u00e9cifiques, garantissant ainsi des pr\u00e9dictions fiables et pertinentes.\",\"inLanguage\":\"fr-FR\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/datascientest.com\/metriques-en-machine-learning\"]}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/datascientest.com\/#website\",\"url\":\"https:\/\/datascientest.com\/\",\"name\":\"Formation Data Science | DataScientest.com\",\"description\":\"Leader de la formation en Data Science\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/datascientest.com\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"fr-FR\"},{\"@type\":\"Person\",\"@id\":\"https:\/\/datascientest.com\/#\/schema\/person\/7f3550a54e60f0c81a5f760c8c584371\",\"name\":\"Lea Molina\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"fr-FR\",\"@id\":\"https:\/\/datascientest.com\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/datascientest.com\/wp-content\/uploads\/2024\/08\/leam.jpeg\",\"contentUrl\":\"https:\/\/datascientest.com\/wp-content\/uploads\/2024\/08\/leam.jpeg\",\"caption\":\"Lea Molina\"},\"description\":\"L\u00e9a Molina est actuellement Data Analyste stagiaire chez Datascientest. Elle a obtenu une licence en Infomatique et Math\u00e9matiques pour la D\u00e9cision et les Donn\u00e9es \u00e0 l'Universit\u00e9 Paris-Dauphine et poursuit actuellement ses \u00e9tudes en int\u00e9grant le Master Intelligence Artificielle, Syst\u00e8mes et Donn\u00e9es (IASD) \u00e0 l'Universit\u00e9 Paris-Dauphine.\",\"sameAs\":[\"https:\/\/www.linkedin.com\/in\/lea-molina\/\"],\"url\":\"https:\/\/datascientest.com\/author\/leamolina\"}]}<\/script>\n<!-- \/ Yoast SEO Premium plugin. -->","yoast_head_json":{"title":"M\u00e9triques en Machine Learning : Tout ce qu'il faut savoir","description":"Les m\u00e9triques en Machine Learning sont des outils essentiels pour \u00e9valuer la performance des mod\u00e8les. En utilisant ces mesures, les data scientists peuvent comparer, optimiser et s\u00e9lectionner les mod\u00e8les les plus performants pour des t\u00e2ches sp\u00e9cifiques, garantissant ainsi des pr\u00e9dictions fiables et pertinentes.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/datascientest.com\/metriques-en-machine-learning","og_locale":"fr_FR","og_type":"article","og_title":"M\u00e9triques en Machine Learning : Tout ce qu'il faut savoir","og_url":"https:\/\/datascientest.com\/metriques-en-machine-learning","og_site_name":"Formation Data Science | DataScientest.com","article_published_time":"2024-07-22T05:30:00+00:00","article_modified_time":"2024-08-20T14:18:53+00:00","og_image":[{"width":960,"height":540,"url":"https:\/\/datascientest.com\/wp-content\/uploads\/2024\/07\/Schema-model_evaluation-42-42.png","type":"image\/png"}],"author":"Lea Molina","twitter_card":"summary_large_image","twitter_misc":{"\u00c9crit par":"Lea Molina","Dur\u00e9e de lecture estim\u00e9e":"7 minutes"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/datascientest.com\/metriques-en-machine-learning","url":"https:\/\/datascientest.com\/metriques-en-machine-learning","name":"M\u00e9triques en Machine Learning : Tout ce qu'il faut savoir","isPartOf":{"@id":"https:\/\/datascientest.com\/#website"},"datePublished":"2024-07-22T05:30:00+00:00","dateModified":"2024-08-20T14:18:53+00:00","author":{"@id":"https:\/\/datascientest.com\/#\/schema\/person\/7f3550a54e60f0c81a5f760c8c584371"},"description":"Les m\u00e9triques en Machine Learning sont des outils essentiels pour \u00e9valuer la performance des mod\u00e8les. En utilisant ces mesures, les data scientists peuvent comparer, optimiser et s\u00e9lectionner les mod\u00e8les les plus performants pour des t\u00e2ches sp\u00e9cifiques, garantissant ainsi des pr\u00e9dictions fiables et pertinentes.","inLanguage":"fr-FR","potentialAction":[{"@type":"ReadAction","target":["https:\/\/datascientest.com\/metriques-en-machine-learning"]}]},{"@type":"WebSite","@id":"https:\/\/datascientest.com\/#website","url":"https:\/\/datascientest.com\/","name":"Formation Data Science | DataScientest.com","description":"Leader de la formation en Data Science","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/datascientest.com\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"fr-FR"},{"@type":"Person","@id":"https:\/\/datascientest.com\/#\/schema\/person\/7f3550a54e60f0c81a5f760c8c584371","name":"Lea Molina","image":{"@type":"ImageObject","inLanguage":"fr-FR","@id":"https:\/\/datascientest.com\/#\/schema\/person\/image\/","url":"https:\/\/datascientest.com\/wp-content\/uploads\/2024\/08\/leam.jpeg","contentUrl":"https:\/\/datascientest.com\/wp-content\/uploads\/2024\/08\/leam.jpeg","caption":"Lea Molina"},"description":"L\u00e9a Molina est actuellement Data Analyste stagiaire chez Datascientest. Elle a obtenu une licence en Infomatique et Math\u00e9matiques pour la D\u00e9cision et les Donn\u00e9es \u00e0 l'Universit\u00e9 Paris-Dauphine et poursuit actuellement ses \u00e9tudes en int\u00e9grant le Master Intelligence Artificielle, Syst\u00e8mes et Donn\u00e9es (IASD) \u00e0 l'Universit\u00e9 Paris-Dauphine.","sameAs":["https:\/\/www.linkedin.com\/in\/lea-molina\/"],"url":"https:\/\/datascientest.com\/author\/leamolina"}]}},"_links":{"self":[{"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/posts\/246093"}],"collection":[{"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/users\/90"}],"replies":[{"embeddable":true,"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/comments?post=246093"}],"version-history":[{"count":0,"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/posts\/246093\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/media\/246095"}],"wp:attachment":[{"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/media?parent=246093"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/categories?post=246093"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/tags?post=246093"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}