Une direction de santé publique veut un outil qui attribue à chaque secteur une priorité d’intervention : faible, moyenne, ou élevée. L’analyste entraîne une forêt aléatoire sur 300 secteurs classés à la main par des experts, et obtient 75 % de bonnes réponses. Il ne s’est pas demandé si les experts eux-mêmes s’accordaient. Avant d’aller plus loin, ce qu’il vous faut en main. Votre carnet de bord, celui de ce module : chaque pause de la vidéo y a son cadre. Le livre Constellations, ouvert au chapitre de ce module. Et votre espace compagnon, CST-07, sur ProGera. Avant d’aller plus loin : soixante-quinze pour cent, est-ce un bon score ? Comment le sauriez-vous ? Mettez la vidéo en pause, et notez votre réponse dans votre carnet. Votre contrat pour ce module. Décrire les grandes familles de classifieurs, et leurs hypothèses. Mesurer la fiabilité des étiquettes, par l’accord entre codeurs. Traiter le déséquilibre et l’ordre des classes. Et arbitrer entre interprétabilité et performance, à partir d’une référence simple. Une phrase tient tout le module : un modèle ne peut pas être plus fiable que la vérité de terrain qui l’entraîne. Objectif de l’épisode : reconnaître les grandes familles de classifieurs, et leurs hypothèses. La régression logistique trace une frontière, et donne des probabilités bien calibrées. Les arbres de décision découpent l’espace en règles lisibles. Les forêts et le boosting combinent des centaines d’arbres : performants par défaut, mais moins lisibles. Les…