Aller au contenu
Omnikalc

Calculateur de poids des classes

Saisissez le nombre d’exemples de chaque classe pour obtenir les poids équilibrés utilisés pour entraîner sur des données déséquilibrées, le rapport de déséquilibre et le poids positif des problèmes binaires.

Mis à jour le
Vos paramètres

Valeur hors limites

Valeur hors limites

Valeur hors limites

Résultats

Poids équilibré de la classe 0

0,370

Poids équilibré de la classe 1

4,167

Poids équilibré de la classe 2

16,667

Rapport de déséquilibre (plus grande sur plus petite)
45,0 : 1
Fort déséquilibre : poids, rééchantillonnage ou autres métriques nécessaires
Poids positif (classe 0 sur classe 1)
11,25
Part de la plus petite classe
2,00 %
Total d’exemples
1 000

Le calculateur de poids des classes donne les poids de classes équilibrés pour entraîner sur des données déséquilibrées, le rapport de déséquilibre et le poids positif utilisé en classification binaire.

Comment se fait le calcul

  • Saisissez le nombre d’exemples de chaque classe, et 0 pour la troisième s’il n’y en a que deux.
  • Le calculateur donne le poids équilibré de chaque classe, le rapport de déséquilibre, le poids positif, la part de la plus petite classe et le total.

Exemple

Un jeu de données a 900, 80 et 20 exemples dans trois classes, 1 000 au total. Les poids équilibrés sont 1 000 / (3 × 900) = 0,370, 1 000 / (3 × 80) = 4,167 et 1 000 / (3 × 20) = 16,667. Le rapport de déséquilibre est de 45,0 pour 1 et la plus petite classe représente 2,00 % des données. Pour les deux premières classes seules, le poids positif est 900 / 80 = 11,25.

Pourquoi c’est utile

Le calculateur aide les étudiants et les praticiens de la science des données qui entraînent des classifieurs sur des événements rares comme la fraude, les défauts ou les maladies, et qui ont besoin de poids pour leur fonction de perte.

À savoir

Les poids de classes se passent à la fonction d’entraînement de la plupart des bibliothèques d’apprentissage automatique. Des poids très grands rendent l’entraînement instable, donc plafonnez-les ou combinez-les avec un rééchantillonnage. Le suréchantillonnage de la classe rare duplique des exemples et peut surajuster, tandis que le sous-échantillonnage de la classe courante jette de l’information. Des méthodes qui génèrent des exemples synthétiques existent aussi. Ne rééquilibrez jamais les jeux de validation ou de test : ils doivent garder les vraies proportions pour que les métriques reflètent l’usage réel. L’exactitude est trompeuse sur des données déséquilibrées, puisqu’un modèle qui prédit toujours la classe majoritaire a raison 90 % du temps ici.

Outils liés

Le calculateur de matrice de confusion évalue les classifieurs, celui de sensibilité et spécificité couvre la performance des tests, celui du coefficient de corrélation de Matthews donne un score unique robuste et celui d’effet de plan traite la pondération dans les sondages.

Questions fréquentes

Quelle est la formule des poids équilibrés ?

Le poids d’une classe est le nombre total d’exemples divisé par le nombre de classes fois la taille de la classe. C’est la règle derrière l’option équilibrée de plusieurs bibliothèques. Les poids font contribuer chaque classe de façon égale à la perte, et leur somme pondérée vaut le nombre d’exemples.

Qu’est-ce que le poids positif ?

Les fonctions de perte binaires prennent souvent un seul rapport, le nombre de négatifs divisé par le nombre de positifs. Un exemple positif compte alors autant de fois dans la perte. Ici la première classe joue le rôle de négatif et la deuxième celui de positif.

Les poids sont-ils toujours la réponse ?

Non. Les poids déplacent la frontière de décision vers la classe rare mais peuvent ajouter du bruit, et les probabilités prédites ne sont plus calibrées. Les alternatives sont le rééchantillonnage, un seuil choisi sur un jeu de validation, et des métriques adaptées au déséquilibre comme la précision, le rappel ou l’aire sous la courbe précision-rappel.

Ce calculateur vous a-t-il été utile ?

Merci pour votre avis !

Résultats indicatifs fournis à titre d'information. Ils ne remplacent pas l'avis d'un professionnel.