Mesurer la performance

Introduction à la détection d'anomalies en R

Alastair Rushworth

Data Scientist

Utiliser un seuil de décision

Choisir une valeur élevée

high_score <- quantile(sat$score, probs = 0.99)
high_score

    99% 
0.6228078

Binariser le score

sat$binary_score <- as.numeric(score >= high_score)
Introduction à la détection d'anomalies en R

Tableaux d'accord

Comparer l'étiquette réelle et le score binaire

table(sat$label, sat$binary_score)

       0    1
  0 5729    3
  1   15   56

  • 56 anomalies repérées sur 71
Introduction à la détection d'anomalies en R

Rappel

Anomalies correctement trouvées $\div$ Total des anomalies

  • 1 = Rappel parfait ; chaque anomalie détectée par l'algorithme
table(sat$label, sat$binary_score)

       0    1
  0 5729    3
  1   15   56

recall <- 56 / (15 + 56)
recall

0.7887324
Introduction à la détection d'anomalies en R

Précision

Anomalies correctement trouvées $\mathbf{\div}$ Total marqué comme anormal

  • 1 = Précision parfaite ; aucune instance normale mal étiquetée
table(sat$label, sat$binary_score)

       0    1
  0 5729    3
  1   15   56

precision <- 56 / (56 + 3)
precision

0.9491525
Introduction à la détection d'anomalies en R

Passons à la pratique !

Introduction à la détection d'anomalies en R

Preparing Video For Download...