La giusta metrica di valutazione per un buon modello di classificazione binaria

Nel corso di questo Meetup si affronterà il tema delle metriche di valutazione da applicare a valle della creazione dei modelli, per comprenderne effettivamente la bontà.
Cosi come la scelta del modello richiede valutazioni rispetto alla base dati, allo scenario di utilizzo ed in generale al business problem che si intende provare a risolvere, cosi anche la scelta della giusta metrica può essere determinante nell’approcciare al meglio il problema stesso al fine di evitare errori di valutazione.
All’interno della sessione mostreremo un reale case d’uso, nello specifico l’applicazione di un modello di classificazione binario, dove la scelta della giusta metrica di valutazione ha determinato un cambiamento di approccio al problema.

Agenda:

1. Introduzione (5min)

• Cosa è una matrica di valutazione per un modello?
• Perchè è importante scegliere la giusta metrica?
• Cosa è un modello di classificazione binaria?

2. Un caso reale (35min)

• Descrizione di un caso d'uso dove la scelta della giusta metrica di valutazione del modello ha cambiato l'approccio
  strategico al problema
  Argomenti:
  Binary classification model, Matthews correlation coefficient, Phi coefficient, Precision, Recall

3. Una breve descrizione di Watson Studio (5min)
4. Discussione aperta

Speakers:
Stefano Gliozzi - Senior Managing Consultant, IBM
Francesco Basciani - IBM Data Scientist