Cette question a déjà été posée il y a un an sur StackExchange/Stats mais elle a été étiquetée comme hors-sujet et fermée sans réponse.
Par conséquent, ma question est la même : Existe-t-il une implémentation Python (scikit-learn ou autre) des courbes de coût, telles que décrites dans le document suivant Courbes de coûts : Une méthode améliorée pour visualiser les performances des classificateurs ? Si ce n'est pas le cas, comment pourrais-je l'implémenter, en considérant les étiquettes de vérité du sol, les prédictions, et optionnellement les coûts de mauvaise classification ?
Cette méthode permet de tracer la performance (coût attendu normalisé) sur les points de fonctionnement (une fonction de coût probabiliste basée sur la probabilité de classer correctement un échantillon positif).
Dans le cas où les coûts de mauvaise classification des échantillons positifs et négatifs sont tous égaux à 1, la performance correspond au taux d'erreur, alors qu'un point de fonctionnement est la probabilité qu'un exemple soit de la classe positive.
