10 heures- Moyenne
Mis à jour le 23/04/2024
Optimiser les performances d’un modèle
Compétences évaluées
- Optimiser les performances d’un modèle
Question 1
Vous avez scindé votre jeu de données en 2 sous-ensembles, entraînement et test. Vous observez le score de votre modèle sur ces 2 sous-ensembles.
Dans quel cas pouvez-vous conclure que le modèle overfit ?
le score(test) == score(train)
le score(test) << score(train)
le score(test) >> score(train)
Question 2
Considérons un modèle d'arbre de décision simple. Quelle affirmation est vraie ?
Un arbre de décision dont la profondeur
max_depthn'est pas limitée :a toujours un biais élevé.
n'overfit jamais.
peut overfitter.
Question 3
Quelle affirmation est vraie ?
Dans le modèle Ridge, le terme de régularisation ajoute une contrainte sur les coefficients de la régression.
Le but de la régularisation est de réduire le biais d'un modèle.
Il n'est pas possible de régulariser une forêt aléatoire car il n'y a pas de paramètre de type L2 comme dans Ridge.
Le paramètre alpha du modèle Ridge correspond au nombre de variables de la régression.
- Formations jusqu’à 100 % financées
- Date de début flexible
- Projets professionnalisants
- Mentorat individuel
