Partage
  • Partager sur Facebook
  • Partager sur Twitter

[Cours] Entraînez un modèle prédictif linéaire

    Team OC 2 août 2018 à 10:55:26

    Bonjour, et bienvenue dans la discussion dédiée au cours Entraînez un modèle prédictif linéaire

    N'hésitez pas à poser vos questions ici et à échanger les uns avec les autres !

    Si vous avez une question concernant le fonctionnement du cours (accès aux exercices, envoi des exercices, inscription au cours…), contactez directement OpenClassrooms à hello@openclassrooms.com

    Bon courage et à bientôt !

    Luc.

    • Partager sur Facebook
    • Partager sur Twitter
      3 août 2018 à 3:55:09

      Chrys38 a écrit:

      Le fait que lors de la description de la régression Ridge et lasso, il n'y est pas de distinction, entre Beta pré et poste régularisation.

      Il faudrait signifiais que les coefficients Beta poste Régu sont des coefficients dit : biaisé. 

      De plus l'explication mathématique à propos de la relation qui lie Alpha à Beta biaisé, n'est pas forcément  clair avec les matrice.

      Sans cela, il demeurait, dans mon cas, une impossibilité de comprendre pourquoi quand Alpha est grand faisait tendre vers 0, et quand Alpha tend vers 0 on se retrouve dans la solution de la régression linéaire. 

      J'ai trouvé à cette adresse , une relation entre Alpha , Beta non biaisé, et Beta biaisé: 

      https://onlinecourses.science.psu.edu/stat857/node/155/

      ce qui rend les chose beaucoup plus clair : 

      βridge=(n/n+λ)β.

      par contre je désirerais avoir un précision supplémentairement, si on prend un Alpha grand , en quoi cela rend négligeable le terme de la mean squad error , puisque même si Beta biaisé négligeable, ça n'influence pas les yi dans l'expression :

      (yixijβj)²

      -
      Edité par Chrys38 il y a moins de 5s



      -
      Edité par Chrys38 10 août 2018 à 12:36:13

      • Partager sur Facebook
      • Partager sur Twitter
        15 mai 2019 à 10:46:26

        J'ai beaucoup de questions sur le quiz de ce cours.

        Question 3 (calculer un bêta optimal à partir de 4 points donnés) :

        1° pour moi, sauf précision contraire, un "vecteur de paramètreS" optimal a deux dimensions : l'ordonnée à l'origine et le coefficient directeur de la droite de régression. Sauf si on suppose que les données sont centrées, ce qui n'est pas dit ici. Mais je suppose qu'il faut le comprendre comme une donnée implicite puisque le QCM ne propose que des réponses à 1 dimension ?

        2° Que je fasse le calcul à la main ou que je le fasse faire à scikit-learn ou à Excel, je trouve toujours 26. Si on ne considère pas a priori que les données sont centrées, je trouve 24. Or les réponses proposées sont 52, 13, 29 et 32. La correction ne m'aide pas beaucoup. Est-ce une erreur ou est-ce que j'ai mal compris ?

        Question 5 : Comment choisir au mieux l'hyperparamètre lambda (une seule réponse possible) ?
        Le cours donne un principe général, et le TP propose une autre méthode à titre pédagogique. Mais les deux approches permettent de choisir lambda "au mieux". Dès lors, comment choisir une réponse plutôt qu'une autre ?
        La question serait plutôt de savoir quelle est la méthode "usuelle".

        Question 9 : Le lasso est-il plus stable ou moins stable que Ridge ?
        Je me demande : plus stable ou moins stable par rapport à quoi ?
        - Le lasso est plus stable que Ridge par rapport aux données d'entraînement dans le sens où si elles changent un peu, les coefficients changent moins souvent (puisqu'on ignore certaines features).
        - Il est aussi plus stable que Ridge par rapport aux données de test dans le sens où si elles changent un peu, les prédictions changent aussi moins souvent (toujours pour la même raison).
        - Il est moins stable par rapport à l'hyperparamètre dans le sens où si l'hyperparamètre change un peu, certaines features peuvent disparaître au profit d'autres, et changer considérablement le modèle.
        Il ne m'a pas paru évident de savoir laquelle de ces 3 interprétations de la question était la bonne.

        -
        Edité par Zachee54 15 mai 2019 à 10:57:16

        • Partager sur Facebook
        • Partager sur Twitter

        [Cours] Entraînez un modèle prédictif linéaire

        × Après avoir cliqué sur "Répondre" vous serez invité à vous connecter pour que votre message soit publié.
        • Editeur
        • Markdown