Méthode Pocock

Descriptif de la méthode Pocock

Proposée par Fabien Torre (GRAppA).

Utilisation du score de Pocock en classification :

À noter que cette méthode n'est pas fair-play : ce score a été défini sur l'ensemble des données INDANA et donc en particulier sur les exemples utilisés en test dans notre expérimentation. Avec cette réserve, l'utilité de cette méthode est de fournir des valeurs de référence pour nos différentes mesures.

Résultats de la méthode Pocock

Mesures calculées à partir de ce fichier de résultat.

Matrice de confusion

Classés EVENTClassés NO EVENT
Exemples EVENT64.0043.00
Exemples NO EVENT757.001366.00

Mesures sur la matrice de confusion

MesuresScores obtenusRangs observés
Sensibilité 59.81 %-
Spécificité 64.34 %-
Indice de Youden 24.16  3 / 8
Précision 7.80 %-
F-mesure 13.79 %2 / 8

Proximités avec les autres méthodes

MéthodesProximités
Framingham75.96 %
Regression69.69 %
Foret-Floue-stricte64.13 %
C4.562.91 %
Foret-Floue-T-norme62.47 %
GloBoost61.70 %
Balanced-bagging58.10 %

Page produite à partir des données du mardi 10 février 2004 à 10h04.