#metrics
12 éléments
sklearn: score de Brier et calibration
évaluer et calibrer les probabilités via Brier score
sklearn: MCC, F-beta, balanced accuracy
mesurer classification déséquilibrée avec MCC, F-beta, balanced accuracy
sklearn: ROC AUC et Precision-Recall
Mesurer la qualité des scores probabilistes.
sklearn: calibration curve
Évaluer la calibration des probabilités.
sklearn: confusion_matrix & classification_report
Évaluer une classification multi-classes.
sklearn: ROC/AUC et PR AUC
Tracer ROC et PR, choisir métriques pour classes rares.
sklearn: ROC AUC et PR curve
Tracer ou calculer ROC AUC et courbe précision-rappel.
sklearn: réglage du seuil
Choisir un seuil de décision selon métrique (ex: F1 ou recall).
atop: observateur système complet
Surveiller CPU, mémoire, disque, réseau et processus avec historique.
dstat: agréger CPU, disque, réseau en un coup d'oeil
Combiner plusieurs stats système en ligne pour debug rapide.
nstat: lire les compteurs TCP/IP
Afficher les statistiques noyau (Tcp, Ip, Icmp) pour diagnostiquer retransmissions et erreurs.
sar: historique de charge CPU, mémoire et I/O
Consulter des métriques collectées par sysstat (sa) pour diagnostiquer après coup.