Une contribution du datamining àƒÂ la segmentation du marché et au ciblage des offres àƒÂ l'aide de la statistique de Bayes

III.3 EVALUATION DE RISQUE

Toutes les décisions n'ont pas le même impact

· Prêter à un client à haut risque comparativement à ne pas prêter à un client à faible risque

· Diagnostic médical : impacts possibles de la non-détection d'une maladie grave

· Détection d'intrusion

· Cibler un client qui n'est pas intéressé par le produit

· Affecter un consommateur dans une autre classe de consommateur qui ne présente pas les mêmes caractéristiques.

Toutes ces questions nous amènent à évaluer le risque d'une mauvaise affectation des individus. Ce risque peut être quantifié par la fonction de perte : L ( ; C_j )

Effectuer une action alors que la classe véritable est C_j

Le Risque

Le risque espéré d'une action est évaluée de la façon suivante :

R(

Action minimisant le risque :

Modifier la fonction de perte modifie le risque :

I Modifier le coût associé à un faux négatif relativement au coût d'un faux positif.

Matrice de confusion

	0
		0

Fonction de perte zero-un d'une matrice en k classes :

L ( , )=

Le risque correspondant est alors :

R (

=

=1-