Extraction de connaissances à partir de données (ECD)

Les modèles extraits, notamment par les méthodes d’apprentissage supervisé, ne peuvent être utilisés directement en toute fiabilité. Nous devons les évaluer, c’est-à-dire les soumettre à l’épreuve de la réalité et apprécier leur justesse. Le procédé habituel consiste à estimer au mieux le taux d’erreur du modèle. Ainsi, l’utilisateur décidera d’appliquer ou non le modèle de prédiction en connaissance des risques qu’il prend. Le taux d’erreur est généralement calculé à partir de la matrice de confusion (tableau 1). Celle-ci donne le pourcentage d’affectation dans les différentes classes en fonction des classes d’origine.