scripts/utils.py

from sklearn.metrics import accuracy_score, precision_recall_fscore_support

def compute_metrics(preds, labels):
    """

    Calcule les métriques de classification à partir des prédictions du modèle

    et des labels de vérité terrain (vrais).



    Args:

        preds (array-like): Les classes prédites par le modèle (entiers).

        labels (array-like): Les vraies classes associées aux exemples (entiers).



    Returns:

        dict: Dictionnaire contenant les métriques suivantes :

            - "accuracy" : exactitude globale des prédictions

            - "f1" : score F1 pondéré (par classe)

            - "precision" : précision pondérée

            - "recall" : rappel pondéré

    """

    #Calcule précision, rappel et F1 pondérés selon la taille de chaque classe
    precision, recall, f1, _ = precision_recall_fscore_support(labels, preds, average='weighted')
    
    #Calcule l'accuracy brute
    acc = accuracy_score(labels, preds)
    
    return {
        "accuracy": acc,
        "f1": f1,
        "precision": precision,
        "recall": recall
    }