vu la "faible" différence entre les AIC, je dirais qu'il faudrait choisir le modèle avec le moins de variables explicatives, moins complexe du coup. Un bon contenu,courage!!!
L’AUC est l’aire sous la courbe de ROC. Elle identifie la capacité du modèle à bien distinguer les individus. Dans les 2 cas, le modèle va bien classer les individus plus de 8 fois sur 10. Mais les variables explicatives sont divisées par 2. Mieux vaut sélectionner un modèle avec peu de variables pour éviter la complexité. Je vous suis toujours Natacha.
Contenu très édifiant comme toujours 😃
Très intéressant, merci
Merci
C’est très instructif !
Thanks Lionel
super !!!
Merci Nikaize
vu la "faible" différence entre les AIC, je dirais qu'il faudrait choisir le modèle avec le moins de variables explicatives, moins complexe du coup. Un bon contenu,courage!!!
Merci Donatien:)
L’AUC est l’aire sous la courbe de ROC. Elle identifie la capacité du modèle à bien distinguer les individus. Dans les 2 cas, le modèle va bien classer les individus plus de 8 fois sur 10. Mais les variables explicatives sont divisées par 2. Mieux vaut sélectionner un modèle avec peu de variables pour éviter la complexité.
Je vous suis toujours Natacha.
Génial Warys on est ensemble pour les 63 prochains jours 🔥