# Traceur de différence critique Nemenyi et rangs de Friedman Tests de Friedman et Iman-Davenport avec p-values exactes, rangs moyens, différence critique de Nemenyi et le diagramme CD classique avec cliques — plus une couche Bonferroni-Dunn optionnelle contre un modèle de contrôle. > Page canonique: https://elysiatools.com/fr/tools/nemenyi-critical-difference-friedman-rank-plotter - **Catégorie:** Data Analysis - **Mots-clés:** nemenyi, test de friedman, différence critique, diagramme cd, demsar, comparaison de benchmarks ## Présentation Cet outil calcule les tests statistiques de Friedman et d'Iman-Davenport à partir d'une matrice de scores, calcule les rangs moyens des algorithmes et génère le diagramme de différence critique de Demšar avec affichage des cliques non significatives pour les procédures Nemenyi et Bonferroni-Dunn. ## Entrées - **Matrice de scores (en-tête : dataset, modèles ; lignes : scores)** (textarea): dataset, Random Forest, XGBoost, MLP, Logistic dataset-a, 0.91, 0.90, 0.88, 0.84 dataset-b, 0.82, 0.85, 0.80, 0.79 - **Direction de la métrique** (select) - **Niveau de signification α** (select) - **Procédure post-hoc** (select) - **Modèle de contrôle (pour Bonferroni-Dunn)** (text): exact column name of the baseline model ## Quand l'utiliser - Comparer statistiquement les performances de plusieurs modèles d'apprentissage automatique évalués sur de multiples jeux de données. - Mesurer si un ou plusieurs modèles challengers surpassent de manière significative un modèle de référence (baseline). - Générer un diagramme de différence critique (CD diagram) conforme aux standards de publication scientifique. ## Fonctionnement - Collez votre matrice de scores au format CSV (première colonne pour les datasets, colonnes suivantes pour les modèles). - Définissez le sens d'optimisation de la métrique (plus haut ou plus bas), le seuil de signification α et la procédure post-hoc souhaitée. - Si vous sélectionnez Bonferroni-Dunn, indiquez le nom exact de la colonne correspondant au modèle de contrôle. - Consultez les p-values des tests de Friedman et Iman-Davenport, la table des rangs moyens, la valeur CD et le diagramme visuel des cliques. ## Cas d'usage - Validation rigoureuse des benchmarks d'algorithmes de machine learning pour articles de recherche. - Sélection objective du meilleur modèle d'IA au sein d'une équipe data après évaluation sur plusieurs segments métiers. - Comparaison d'optimiseurs numériques ou de stratégies d'échantillonnage sur un ensemble de fonctions de test. ## Questions fréquentes ### Quelle est la différence entre les tests post-hoc de Nemenyi et de Bonferroni-Dunn ? Nemenyi compare toutes les paires possibles de modèles entre elles, tandis que Bonferroni-Dunn compare uniquement chaque modèle challenger contre un unique modèle de contrôle. ### Que signifie la valeur de différence critique (CD) ? La différence critique représente l'écart minimal nécessaire entre les rangs moyens de deux modèles pour considérer leur écart de performance comme statistiquement significatif au seuil α. ### Pourquoi la correction d'Iman-Davenport est-elle affichée aux côtés du test de Friedman ? La statistique chi-deux classique de Friedman est souvent trop conservatrice ; l'approximation F d'Iman-Davenport offre une meilleure puissance statistique sur les petits échantillons de datasets. ### Comment lire les barres horizontales (cliques) sur le diagramme CD ? Les modèles reliés par une même ligne horizontale ont une différence de rang moyen inférieure au seuil CD : leurs performances ne sont pas statistiquement discernables. ### Quels formats de métriques sont acceptés dans la matrice de scores ? Vous pouvez saisir des métriques à maximiser comme l'accuracy ou l'AUC, ou des métriques d'erreur à minimiser comme la RMSE ou la MAE en adaptant l'option de direction. ## Outils associés - [Analyseur de Kurtosis](https://elysiatools.com/fr/tools/kurtosis-analyzer): Analyser la kurtosis des données pour mesurer la "queue" de la distribution et détecter les modèles de queues lourdes ou légères - [Analyseur de Corrélation](https://elysiatools.com/fr/tools/correlation-analyzer): Outil avancé d'analyse de corrélation qui calcule les coefficients de corrélation entre les variables pour mesurer la force et la direction de leurs relations linéaires. - [Générateur de Tableau Croisé Dynamique](https://elysiatools.com/fr/tools/pivot-table-generator): Générer des tableaux croisés dynamiques interactifs à partir de données CSV/JSON avec configuration personnalisable des champs de lignes, colonnes et valeurs - [Analyseur de Régression](https://elysiatools.com/fr/tools/regression-analyzer): Outil avancé d'analyse de régression pour effectuer une analyse de régression linéaire, calculer des statistiques de régression et faire des prédictions. - [Analyseur d'Asymétrie](https://elysiatools.com/fr/tools/skewness-analyzer): Analyser l'asymétrie des données pour mesurer l'asymétrie de la distribution de probabilité et identifier les modèles de données - [Générateur d'idées de noms de domaine IA](https://elysiatools.com/fr/tools/ai-domain-name-idea-generator): Entrez des mots-clés de marque : l'IA génère jusqu'à 10 idées de domaine, en filtrant les déjà pris via DNS + RDAP. Pour entrepreneurs et développeurs. - [Calculateur de Poussée d'Archimède (F = ρ·V·g)](https://elysiatools.com/fr/tools/buoyancy-calculator): Calcule poussée, densité de fluide ou volume déplacé à partir de deux d'entre eux, avec analyse de flottaison - [Analyseur de cohortes, RFM et entonnoir](https://elysiatools.com/fr/tools/cohort-retention-rfm-funnel-analyzer): Collez un CSV de commandes ou d'événements et obtenez la pile growth en une page : triangle de rétention avec carte thermique, RFM en quintiles mappé sur les dix segments de cycle de vie, et entonnoir à ordre strict. ## Exemples - [Exemples de Traitement d'Images Web Python](https://elysiatools.com/fr/samples/web-image-processing-python): Exemples de traitement d'images Web Python utilisant PIL/Pillow incluant la lecture, l'enregistrement, le redimensionnement et la conversion de format - [Exemples de Traitement d'Images Android Java](https://elysiatools.com/fr/samples/android-image-processing-java): Exemples de traitement d'images Android Java incluant lecture/écriture, mise à l'échelle et conversion de format - [Exemples de Traitement d'Images Android Kotlin](https://elysiatools.com/fr/samples/android-image-processing-kotlin): Exemples de traitement d'images Android Kotlin incluant lecture/écriture, mise à l'échelle et conversion de format - [Exemples de Traitement d'Images Web Rust](https://elysiatools.com/fr/samples/web-image-processing-rust): Exemples de traitement d'images Web Rust incluant lecture/écriture, redimensionnement et conversion de format