Quand l'estimation de la performance déraille
Imaginez que vous êtes scientifique des données dans une banque et que vous travaillez sur un cas d'usage de défaut de paiement de prêt. Vous recevez chaque mois des étiquettes pour valider votre modèle et l'algorithme d'estimation de la performance. Durant un mois en particulier, vous observez que de nombreux clients occupant des emplois bien rémunérés font défaut plus souvent en raison d'une forte poussée de l'inflation et d'une crise de l'emploi correspondante.
En comparant la performance estimée et la performance réalisée, vous constatez un écart important entre les deux.
Qu'est-ce qui pourrait expliquer que l'algorithme d'estimation de la performance soit moins efficace dans cette situation?
Cette activité fait partie du cours
Surveiller le Machine Learning en Python
Exercice interactif pratique
Passez de la théorie à l’action grâce à l’un de nos exercices interactifs
Commencer l’exercice