Évaluer les performances en classification multi-classes

Dans cet exercice, vous allez calculer des métriques de performance pour des modèles à l’aide du module sklearn.metrics.

Le modèle est déjà entraîné et stocké dans la variable model. Les variables X_test et y_true sont également chargées, ainsi que les fonctions confusion_matrix() et classification_report() du package sklearn.metrics.

Vous allez d’abord calculer la matrice de confusion du modèle. Puis, pour résumer les performances, vous calculerez la précision, le rappel et le F1-score avec la fonction classification_report(). Dans cette fonction, vous pouvez en option passer une list contenant les noms des classes (elle est stockée dans la variable news_cat) au paramètre target_names afin de rendre le rapport plus lisible.