Régression logistique

Quelle est la fonction utilisée pour modéliser la probabilité d'appartenance à une classe dans une régression logistique?

• La fonction sigmoïde

• La fonction tangente hyperbolique

• La fonction inverse

• La fonction carrée

Answer explanation

La fonction sigmoïde est utilisée pour modéliser la probabilité d'appartenance à une classe dans une régression logistique. Elle prend une entrée réelle x et renvoie une valeur entre 0 et 1 qui est interprétée comme la probabilité de l'appartenance à la classe positive.

Quel est l'objectif de la régression logistique?

• Prédire une variable continue

• Prédire une variable catégorique

• Prédire une variable discrète

• Prédire une variable aléatoire

Answer explanation

L'objectif de la régression logistique est de prédire une variable catégorique, c'est-à-dire une variable qui prend un nombre fini de valeurs discrètes. Il est utilisé pour résoudre les problèmes de classification binaire ou multi-classes.

Quelle est la démarche pour entraîner un modèle de régression logistique ?

• Minimiser la somme des erreurs quadratiques

• Minimiser la somme des erreurs absolues

• Maximiser la vraisemblance

• Minimiser la distance euclidienne

Answer explanation

La démarche pour entraîner un modèle de régression logistique consiste à maximiser la vraisemblance, qui mesure la probabilité des données étant donné les paramètres du modèle. Il est généralement accompli en utilisant des algorithmes d'optimisation comme la descente de gradient ou la régularisation.

Quelle est la métrique couramment utilisée pour évaluer les performances d'un modèle de régression logistique ?

• R-squared

• Mean Absolute Error

• F1-score

• AUC-ROC

Answer explanation

La métrique couramment utilisée pour évaluer les performances d'un modèle de régression logistique est l'AUC-ROC (aire sous la courbe ROC), qui mesure la capacité du modèle à séparer les exemples positifs des négatifs. C'est une métrique particulièrement pertinente pour les modèles de classification binaire.

Dans quel cas utiliseriez-vous la régression logistique plutôt qu'une régression linéaire?

• Lorsque la variable à prédire est continue

• Lorsque la variable à prédire est catégorique

• Lorsque vous avez peu de données

• Lorsque vous voulez prédire une variable binaire

Answer explanation

Vous utiliseriez la régression logistique plutôt qu'une régression linéaire lorsque la variable à prédire est catégorique. En effet, la régression logistique est utilisée pour résoudre les problèmes de classification, tandis que la régression linéaire est utilisée pour résoudre les problèmes de régression (prédiction de variable continue).