• 10 heures
  • Moyenne

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 19/12/2019

Partie 1

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

Compétences évaluées

  • Comprendre les points communs et différences entre lasso et régression ridge
  • Contrôler les poids affectés aux différentes variables par un mécanisme de régularisation en régression
  • Entraîner un algorithme linéaire de régression
  • Question 1

    Afin d’effectuer une maximisation de la vraisemblance pour trouver les coefficients β d’une régression linéaire, il est nécessaire d’avoir les hypothèse préalables suivantes :

    Attention, plusieurs réponses sont possibles.
    • Linéarité des données

    • Normalité du bruit

    • Les réalisations x(i) sont indépendantes de y(i)

    • Les observations sont iid

  • Question 2

    Quel est le vecteur de paramètres optimal β d’une régression linéaire effectuée sur les observations ci-dessous?

    • β=(15,15)

    • β=(5,15)

    • β=(0,15)

  • Question 3

    Quel est le vecteur de paramètres optimal β d’une régression linéaire effectuée sur les observations ci-dessous?

    X y
    -0.78768 -34.59703199
    -1.51760513 -30.79543532
    0.74416271 19.31018182
    -0.62288928 -19.44809959

     

    • 52

    • 13

    • 26

    • 32