Le portail francophone de la géomatique

Bonjour,

La courbe ROC représente les progrès d'un modèle de classificateur binaire (2 catégories). Il ne s'appliquerait donc a priori que si vous cherchez à classer un sol en 2 catégories (terrain à risque / terrain sans risque). Des extensions existent pour les classements à plusieurs classes.

La courbe a :
- en abscisse les faux positifs (erreur de classement);
- en ordonnée les vrais positifs (classement exacts).

La courbe commencera forcément au point (0,0), et se terminera au point (1,1). Il s'agit ensuite de comparer la courbe d'apprentissage à la première bissectrice (droite d'équation y=x). En gros plus la courbe d'apprentissage est éloignée de la première bissectrice, meilleur est le modèle. Le modèle parfait est donc une courbe passant par les points (0,0), (0,1) et (1,1).

Pour simplifier les calculs, on peut déterminer un indicateur unique, qui est l'aire sous la courbe ROC. Plus celui-ci se rapproche de 1, meilleur est le modèle, 0,5 correspondant au modèle naïf (classificateur aléatoire).

Pour tracer la courbe, mieux vaut passer par des modules le faisant pour vous. Pour ma part, j'utilise le module Python scikit-learn (http://scikit-learn.org/stable/), qui permet de faire facilement les calculs (http://scikit-learn.org/stable/auto_exa … t_roc.html).

D'autres modules statistiques (SAS, R...) permettent aussi de calculer cette courbe.

Dans tous les cas, je vous invite à beaucoup lire d'articles / sites traitant de modélisation et de statistiques avant de lancer votre modèle : il est très facile dans ce genre de cas de faire des erreurs difficilement détectables, et donc de créer des modèles ayant une validité mathématique, mais aucun sens thématique.

Bon courage à vous,