15 heures- Difficile
Ce cours est visible gratuitement en ligne.
course.header.alt.is_video
course.header.alt.is_certifying
J'ai tout compris !Mis à jour le 08/01/2024
Partie 1
Compétences évaluées
- Comprendre à quelles questions les principaux algorithmes de réduction de dimension non supervisé linéaire permettent de répondre
- Utiliser les principaux algorithmes de réduction de dimension non supervisé linéaire classique
- Choisir un algorithme de réduction de dimension non supervisé linéaire en fonction de vos besoins et des caractéristiques des données
Question 1
Un Data Scientist fait une ACP sur ses données X, et trouve que les 3 premières composantes expliquent 80 % de la variance de ses données. Comment ce nombre de 80 % est-il calculé ?
Attention, plusieurs réponses sont possibles.C’est la somme des trois premiers termes de la diagonale de X, divisée par la trace de X.
C’est la somme des trois premières valeurs propres de XX⊤ , divisée par la trace de XX⊤ .
C’est la somme des trois premières valeurs propres de XX⊤ , divisée par la somme de toutes ses valeurs propres.
C’est la somme des trois premiers termes de la diagonale de XX⊤ , divisée par la trace de XX⊤ .
Question 2
Étant donné les 7 points en deux dimensions de la figure ci-dessous, quelle est la première composante principale ?
7 points en 2 dimensions (√2/2,√2/2)
(1, 1)
(0, 1)
(0, √2 )
Question 3
Sur les mêmes données que pour la question 2, la première composante trouvée par une analyse factorielle sera proportionnelle à celle trouvée par l'ACP. Quelle sera la deuxième composante ?
(√2/2,−√2/2)
(1, -1)
(0, 0)
(√2/2,√2/2)
- Formations jusqu’à 100 % financées
- Date de début flexible
- Projets professionnalisants
- Mentorat individuel
