• 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 20/01/2020

Partie 2

Connectez-vous ou inscrivez-vous gratuitement pour bénéficier de toutes les fonctionnalités de ce cours !

Compétences évaluées

  • Choisir un algorithme de réduction de dimension non supervisé non linéaire en fonction de vos besoins et des caractéristiques des données
  • Utiliser les principaux algorithmes de réduction de dimension non supervisé non linéaire classique
  • Comprendre à quelles questions les principaux algorithmes de réduction de dimension non supervisé non-linéaire permettent de répondre
  • Question 1

    Pour effectuer une réduction dimensionnelle non-linéaire, on peut utiliser

    • l'algorithme du MDS métrique

    • le t-SNE, qui mettra l'accent sur la structure locale

    • le kPCA avec le kernel  K(x,y)=xTy  

  • Question 2

    Quelle feature serait la plus optimale pour effectuer une classification des observations ci-dessous ?

     

    • Polynomial du second degré

    • Logarithmique

    • Une combinaison des deux

    • Aucune des deux

  • Question 3

    Effectuer une réduction dimensionnelle non-linéaire permet de 

    Attention, plusieurs réponses sont possibles.
    • Trouver des nouvelles features plus représentatives des données

    • Explorer les données car elle permet de visualiser certains comportements du phénomène plus simplement

    • Traiter des problème non-linéaires comme des problèmes linéaires