Toutes les ressources premium et membres pour 8,99 €/mois, en abonnement sans engagement. Voir les offres

PalateKit

Menu

Demander une ressource

Décrivez en une phrase la ressource qui vous manque. Nous vous écrirons quand elle sera publiée.

0 / 280

Débloquer PalateKit

Tout débloquer

Offre

Le paiement vaut acceptation de nos conditions générales de vente.

Paiement sécurisé par Stripe. Reçus et factures envoyés par e-mail.

Content de vous revoir

Connectez-vous pour installer, télécharger ou sauvegarder cette ressource. Un compte gratuit suffit pour les ressources gratuites.

Évaluer un modèle ML sans fuite ni biais v1.0.0

Utilisez cette ressource pour évaluer, comparer ou déboguer les performances d'un modèle de machine learning

Nouveau

  • 351 téléchargements
  • 230 mentions J'aime
  • 230 sauvegardes

Gratuit

Installer avec la CLI

Dans un terminal, depuis le dossier voulu :

npx --yes palatekit@latest install ml-model-evaluation-methods

Sans option, la skill va dans ~/.agents/skills/ ; ajoutez --agent claude-code (ou codex, cursor…) pour viser un agent.

Première fois : connectez la CLI avec

npx --yes palatekit@latest login

L'agent définit la liste de contrôle d'évaluation, choisit les découpages et métriques adaptés, puis vérifie les écarts par des tests statistiques. Vous obtenez une conclusion fondée sur des mesures fiables.

Choisie surtout par

Mise à jour le 2 novembre 2026

Carte de la skill « Évaluer un modèle ML sans fuite ni biais »

Caractéristiques

Guides d'installation
Génère avec
Le modèle de votre agent
Licence
MIT

Ressources similaires

Tout voir

Ce que vous obtenez

  • SKILL.md : liste de conception, découpages et détection de fuites
  • SKILL.md : choix des métriques, comparaisons statistiques, calibration et analyse d'erreurs

Pour qui

  • Vous comparez deux modèles avec un intervalle de confiance
  • Vous voulez repérer une fuite de données avant mise en production

Pas pour qui

    Étiquettes

    • évaluation
    • métriques
    • validation
    • biais
    • statistiques

    À propos

    Vous dites

    « Vérifie si l'amélioration de mon classifieur est réelle ou due au hasard. »

    Carte de la skill « Évaluer un modèle ML sans fuite ni biais »

    Skill publiée par josiahsiegel sous licence MIT. Fichiers livrés dans leur version d'origine, en anglais.

    Voir plus

    Comment l'utiliser

    1. Installez la skill dans le dossier de skills de votre agent
    2. Demandez à votre agent de évaluer, comparer ou déboguer les performances d'un modèle de machine learning
    3. Relisez et ajustez le résultat

    Aperçu du contenu

    Fichiers

    • LICENSE1,1 Ko
    • NOTICE-PALATEKIT.md0,5 Ko
    • SKILL.md10,2 Ko

    Origine et licence

    Référencée sans modification

    Auteur
    josiahsiegel
    Source
    github.com/josiahsiegel/claude-plugin-marketplace/tree/5a1b1123b9e50aa9a66a61005ca6fe012cc7442d/plugins/ml-master/skills/ml-evaluation
    Licence
    MIT

    Notice

    « ml-evaluation » (josiahsiegel, MIT) livré dans sa version d'origine : fiche en français et en anglais par PalateKit.

    Avis des utilisateurs

    –

    Aucune note pour l'instant

    Chargement des avis…

    Supprimer votre avis ?

    Votre note et votre commentaire seront retirés de la fiche.