Interprétation des mesures de précision pour l'arbre de classificationJe voudrais savoir si le taux de mauvaise classification que je reçois est acceptable. Les plages de partage sont considérées comme acceptables? Comment puis-je associer ce taux aux résultats de la matrice de confusion? Essentiellement, j'essaie d'évaluer et d'expliquer mes résultats. De plus, comment savoir si les courbes de soulèvement que je reçois sont également acceptables? Existe-t-il une plage pouvant être considérée comme acceptable ou bonne?
Re: Interprétation des mesures d'exactitude pour l'arbre de classificationBonjour,
Il n'y a pas une réponse à votre question. Les questions que vous posez dépendront de votre situation. Par exemple, comparez les taux de mauvaise classification marketing avec les taux de mauvaise classification médicale. Ce qui est acceptable dans ces deux domaines sera très différent. En outre, dans certaines applications, le taux global de classification erronée peut être la mesure clé, tandis que dans d'autres cas, vous pouvez être plus concentré sur une seule partie des résultats de votre matrice de confusion. Par exemple, en médecine, le risque de classer incorrectement un sujet négatif est souvent différent du risque de classer incorrectement un sujet positif (traitement non nécessaire par rapport à un traitement inutile). Vous devez prendre vos statistiques et les mettre en contexte de vos questions, puis les interpréter.
