Quiz ML1

Quels sont les indicateurs utilisés pour évaluer la performance des modèles de classification ?

• L'accuracy

• Le recall

• La précision

• F1 score

Qu'est-ce qu'un faux négatif (FN) ?

• Les étudiants qui ont réussi mais pour lesquels le score a prédit à tort qu'ils allaient échouer.

• Les étudiants qui ont échoué alors que le score a prédit à tort qu'ils allaient réussir.

• Les étudiants qui ont réussi pour lesquels le score a bien prédit qu'ils allaient réussir.

• Les étudiants qui ont échoué et pour lesquels l'algorithme a bien prédit qu'ils allaient échouer.

Qu'est-ce qu'un faux positif (FP) ?

• Les étudiants qui ont réussi mais pour lesquels le score a prédit à tort qu'ils allaient échouer.

• Les étudiants qui ont échoué alors que le score a prédit à tort qu'ils allaient réussir.

• Les étudiants qui ont réussi pour lesquels le score a bien prédit qu'ils allaient réussir.

• Les étudiants qui ont échoué et pour lesquels l'algorithme a bien prédit qu'ils allaient échouer.

Quels sont les éléments nécessaires pour construire un modèle ?

• Features

• Label

• Algorithme ou méthodes pour mesurer la similarité

Quel est le but principal de l’apprentissage supervisé ?

• Découvrir des motifs cachés dans les données

• Prédire des valeurs à partir de données existantes

• Réduire la taille des données

• Générer des données aléatoires

Qu’est-ce que la régression linéaire en apprentissage supervisé ?

• Une méthode pour classer les données en groupes

• Un modèle qui prédit des valeurs continues en fonction d’autres variables

• Une méthode pour détecter des anomalies

• Un algorithme non supervisé

Quel est un exemple de tâche de prédiction utilisant la régression linéaire ?

• Prédire la temperature

• Prédire le prix d’une maison

• Classifier des espèces de fleurs

• Reconnaître des visages

Dans un modèle de régression linéaire, que représente X ?

• La variable cible

• Une constante

• La variable explicative

• La prédiction

Pourquoi est-il utile de visualiser les données avant d’analyser un modèle de régression ?

• Pour détecter des anomalies

• Pour confirmer la pertinence d’un modèle linéaire

• Pour tester les performances du modèle

• Pour calculer directement les résidus

Comment est déterminée la "meilleure droite" dans la régression linéaire ?

• En minimisant la somme des distances quadratiques aux points

• En maximisant les distances entre les points

• En minimisant le nombre de points

• En ajustant chaque point indépendamment