edit C01La_confusion

Author: GuyliannEngels

…ials/C00a_decouverte/C00a_decouverte.Rmd …ls/C00La_decouverte/C00La_decouverte.Rmdinst/tutorials/C00a_decouverte/C00a_decouverte.Rmd renamed to inst/tutorials/C00La_decouverte/C00La_decouverte.Rmd inst/tutorials/C00a_decouverte/C00a_decouverte.Rmd renamed to inst/tutorials/C00La_decouverte/C00La_decouverte.Rmd

@@ -3,7 +3,7 @@ title: "Découverte de learnr"
 author: "Guyliann Engels & Philippe Grosjean"
 description: "**SDD III** Quelques exercices simples pour découvrir learnr."
 tutorial:
-  id: "C00a_decouverte"
+  id: "C00La_decouverte"
   version: 2.0.0/5
 output:
   learnr::tutorial:

inst/tutorials/C01La_confusion/C01La_confusion.Rmd

@@ -0,0 +1,147 @@
+---
+title: "Matrices de confusion"
+author: "Guyliann Engels & Philippe Grosjean"
+description: "**SDD III** Exercices sur les matrices de confusion."
+tutorial:
+  id: "C01La_confusion"
+  version: 0.0.1/2
+output:
+  learnr::tutorial:
+    progressive: true
+    allow_skip: true
+runtime: shiny_prerendered
+---
+```{r setup, include=FALSE}
+BioDataScience3::learnr_setup()
+SciViews::R()
+```
+
+```{r, echo=FALSE}
+BioDataScience3::learnr_banner()
+```
+
+```{r, context="server"}
+BioDataScience3::learnr_server(input, output, session)
+```
+
+----
+
+## Objectifs
+
+- Appréhender les matrices de confusion.
+
+## Les métriques sur les matrice de confusion
+
+### La taux de reconnaissance global
+
+```{r, echo=FALSE, message=FALSE}
+data.frame(
+  "A" = c( 25, 0, 1), 
+  "B" = c(0, 16, 9), 
+  "C" = c(0,8, 18),  
+  row.names = c("A", "B", "C")) %>.%
+  knitr::kable(., caption = "Matrice de confusion dont les colonnes représentent la classification par ordinateur et les lignes la classification manuelle.")
+```
+
+Sur base de la matrice de confusion confusion ci dessus, calculez le taux de reconnaissance global du groupe B.
+
+```{r conf1_h2, exercise = TRUE}
+tp <- ___ # TRUE POSITIVE, vrai positif
+fp <- ___ # FALSE POSITIVE, faux positif
+fn <- ___ # FALSE NEGATIVE, faux négatif
+tn <- ___ # TRUE NEGATIVE, vrai négatif
+# calcul de la matrice
+conf <- ___
+conf
+```
+
+```{r conf1_h2-hint-1}
+tp <- 16
+fp <- 9
+fn <- 8
+tn <- 44
+# calcul de la matrice
+conf <- ___
+conf
+## Attention, le prochain indice est la solution ##
+```
+
+```{r conf1_h2-solution}
+## Solution ##
+tp <- 16
+fp <- 9
+fn <- 8
+tn <- 44
+# calcul de la matrice
+conf <- (tp+tn)/(tp+fp+fn+tn)
+conf
+```
+
+```{r conf1_h2-check}
+grade_result(
+  pass_if(~ identical(.result, ((16+44)/(16+9+8+44))), "Bien joué !")
+)
+```
+
+### La taux de vrai positif
+
+```{r, echo=FALSE, message=FALSE}
+data.frame(
+  "A" = c( 9, 4, 1), 
+  "B" = c(0, 6, 9), 
+  "C" = c(0,1, 14),  
+  row.names = c("A", "B", "C")) %>.%
+  knitr::kable(., caption = "Matrice de confusion dont les colonnes représentent la classification par ordinateur et les lignes la classification manuelle.")
+```
+
+Sur base de la matrice de confusion confusion ci dessus, calculez le **taux de vrai positif** du groupe C.
+
+```{r conf2_h2, exercise = TRUE}
+tp <- ___
+fp <- ___
+fn <- ___
+tn <- ___
+# calcul de la matrice
+conf <- ___
+conf
+```
+
+```{r conf2_h2-hint-1}
+tp <- 14
+fp <- 1
+fn <- 10
+tn <- 19
+# calcul de la matrice
+conf <- ___
+conf
+## Attention, le prochain indice est la solution ##
+```
+
+```{r conf2_h2-solution}
+## Solution ##
+tp <- 14
+fp <- 1
+fn <- 10
+tn <- 19
+# calcul de la matrice
+conf <- (tp)/(tp+fn)
+conf
+```
+
+```{r conf2_h2-check}
+grade_result(
+  pass_if(~ identical(.result, (14/(14 + 10))), "Bien joué !")
+)
+```
+
+## Conclusion
+
+```{r comm_noscore, echo=FALSE}
+question_text(
+  "Laissez-nous vos impressions sur cet outil pédagogique",
+  answer("", TRUE, message = "Pas de commentaires... C'est bien aussi."),
+  incorrect = "Vos commentaires sont enregistrés.",
+  placeholder = "Entrez vos commentaires ici...",
+  allow_retry = TRUE
+)
+```