• 12 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 23/12/2019

Testez vos connaissances sur les bases de l'apprentissage statistique

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

Compétences évaluées

  • Mettre en place un modèle d'apprentissage statistique adapté à son besoin
  • Question 1

    Une société de e-santé souhaite classer les clients ( x ) à risque ( y=1 ) et sans risque ( y=0 ) à partir de données comme l’âge, le sexe, le nombre de pas par jours, la consommation de café par jour, la durée d'activité physique par semaine… On a appris un modèle de régression logistique. Pour un nouveau client z , on a prédit P(y=1/z)=0.495 . Cela signifie :

    • que le client est à risque.

    • que le client n'est pas à risque.

    • qu'on est confiant dans la décision de classification qu'on va prendre.

    • qu'on peut exclure le client de la base de données de la société.

  • Question 2

    Pour faire un SVM, on utilise le noyau gaussien parce qu’il est :

    Attention, plusieurs réponses sont possibles.
    •  Non-Linéaire

    • Défini-négatif

    • Linéaire

    • Défini-positif

  • Question 3

    Nous utilisons l'analyse en composantes principales (ACP) pour faire le pré-traitement des données dans un problème de classification linéaire, parce qu'elle permet de :

    • réduire la dimension et d'accélérer les calculs.

    • remplir les données manquantes.

    • créer des variables non-linéaires qui donneront une meilleure fonction de classification.