Générateur de graphiques de calibration
Créer Générateur de graphiques de calibration à partir de données expérimentales ou de recherche
Créez un graphique de calibration de modèle ou diagramme de fiabilité à partir des résultats observés et probabilités prédites.
Exemples de Générateur de graphiques de calibration
Six jeux de données prêts à l’emploi et six styles inspirés de situations de recherche réelles.
Qu'est-ce qu'un diagramme de calibration (Calibration Plot) ?
Le diagramme de calibration compare les probabilités prédites par un modèle avec les fréquences d'événements réellement observées. Un modèle parfaitement calibré s'aligne sur la bissectrice (ligne d'identité). Les écarts systématiques révèlent une sous-estimation ou une surestimation des risques, même si les métriques de discrimination (comme l'AUC) semblent excellentes.
Structure des données pour le diagramme de calibration
- Une probabilité prédite (entre 0 et 1) et le résultat binaire observé (0 ou 1) pour chaque cas.
- Une colonne optionnelle pour comparer différents modèles, cohortes, plis de validation croisée ou sous-groupes.
- Utilisez un jeu de test ou de validation indépendant, distinct des données d'entraînement.
- Si vous importez des données déjà regroupées, fournissez la probabilité moyenne prédite, la proportion observée et l'effectif de chaque intervalle.
Exemples d'applications en recherche
- Diagramme de fiabilité du risque clinique
- Calibration d’un classifieur binaire
- Courbe avec score de Brier
- Calibration d’un modèle de machine learning
- Comparaison de plusieurs calibrations
- Calibration du risque de panne
Pourquoi évaluer la calibration d'un modèle ?
- Vérifier qu'un risque prédit de 20 % correspond bien à environ 20 événements pour 100 cas similaires.
- Détecter les modèles qui classent correctement les individus mais fournissent des probabilités absolues biaisées.
- Comparer la fiabilité du modèle sur des cohortes de validation internes, temporelles ou externes.
- Visualiser l'incertitude et la rareté des données dans certaines plages de probabilité avant tout déploiement clinique ou décisionnel.
Comment utiliser Générateur de graphiques de calibration
Choisissez un exemple ou importez un fichier CSV, TSV, TXT, XLSX ou XLS. Vérifiez les colonnes détectées, générez le graphique, puis modifiez-le dans SciVis. Pour Excel, la première feuille est importée.
Éléments indispensables d'un diagramme de calibration clair
- La probabilité prédite sur l'axe x et la fréquence observée sur l'axe y.
- La diagonale de référence à 45 degrés représentant la calibration idéale.
- Une représentation de la distribution des prédictions (histogramme, rug plot) pour évaluer la densité des données.
- Des intervalles de confiance ou des courbes de lissage (splines) lorsque la taille d'échantillon le justifie.
Diagramme de calibration ou courbe ROC ?
Le diagramme de calibration évalue la justesse numérique des probabilités prédites. La courbe ROC évalue la capacité de discrimination (le classement des individus). Un modèle peut présenter une excellente AUC tout en étant très mal calibré ; ces deux figures sont donc complémentaires.
Questions fréquentes sur Générateur de graphiques de calibration
Quelles colonnes sont requises pour générer un diagramme de calibration ?
Pour des données individuelles, utilisez des colonnes de type predicted_probability et observed_outcome. Pour des données agrégées par intervalles, fournissez la probabilité moyenne prédite, la fréquence observée et le nombre d'observations par intervalle.
Le générateur permet-il de recalibrer mon modèle ?
Non. Cet outil sert à visualiser les prédictions et résultats existants. Vous devez ajuster et valider vos méthodes de recalibration (ex. régression de Platt, calibrage isotone) en amont, puis importer les nouvelles probabilités pour les comparer.
Puis-je modifier une figure après sa création avec Générateur de graphiques de calibration ?
Oui. Ouvrez la figure créée avec Générateur de graphiques de calibration dans SciVis pour changer libellés, couleurs, annotations, mise en page et autres réglages visuels.
Puis-je utiliser une figure Générateur de graphiques de calibration dans un article scientifique ?
Oui. Générateur de graphiques de calibration vise des figures scientifiques claires et prêtes à publier. Vérifiez néanmoins les valeurs et les consignes de la revue avant soumission.
Générateur de graphiques de calibration permet-il un export haute résolution ?
Oui. Après retouche d’une figure Générateur de graphiques de calibration dans SciVis, exportez-la pour un article, une affiche, des diapositives ou un rapport.
Faut-il savoir programmer pour utiliser Générateur de graphiques de calibration ?
Non. Le parcours guidé de Générateur de graphiques de calibration crée la première version ; les réglages fins se font visuellement dans SciVis.
Comment représenter vos données de recherche avec Générateur de graphiques de calibration
Découvrez comment choisir le bon graphique, structurer vos colonnes de données, interpréter les résultats et optimiser vos figures scientifiques avant publication.
Découvrir plus d'outils
Créateur d'histogramme
Utilisez Créateur d'histogramme avec des données CSV ou Excel, puis affinez dans SciVis le graphique produit par Python.
Essayer gratuitement
Créateur de boîte à moustaches
Utilisez Créateur de boîte à moustaches avec des données CSV ou Excel, puis affinez dans SciVis le graphique produit par Python.
Essayer gratuitement
Créateur de graphique en violon
Utilisez Créateur de graphique en violon avec des données CSV ou Excel, puis affinez dans SciVis le graphique produit par Python.
Essayer gratuitementCréer une figure avec Générateur de graphiques de calibration
Partez d’un exemple ou d’un fichier compatible, puis finalisez la figure dans SciVis.
