Introduction à la Régression Logistique

Quel est le principal objectif de la régression logistique ?

• Prédire une variable continue

• Réduire la dimensionnalité des données

• Prédire la probabilité d'un événement binaire

• Regrouper des observations similaires

Quelle fonction est utilisée pour transformer la sortie linéaire en probabilité dans la régression logistique ?

• Fonction tanh

• Fonction sigmoïde (logistique)

• Fonction ReLU

• Fonction exponentielle

La sortie d'un modèle de régression logistique est :

• Un nombre entier

• Une catégorie directement (0 ou 1)

• Une probabilité entre 0 et 1

• Une distance euclidienne

Quelle hypothèse est faite sur la relation entre les variables explicatives et la variable cible ?

• Relation quadratique

• Aucune relation n'est supposée

• Relation linéaire entre les variables explicatives et le logit (log-odds)

• Relation exponentielle

Quelle méthode est utilisée pour estimer les paramètres (coefficients) d'une régression logistique ?

• Moindres carrés

• Maximum de vraisemblance

• Méthode de Monte Carlo

• Méthode de Newton-Raphson

Parmi les métriques suivantes, laquelle est la plus adaptée pour évaluer un modèle de régression logistique ?

• RMSE (Root Mean Squared Error)

• Courbe ROC et AUC

• R²

• MSE (Mean Squared Error)

Parmi les métriques suivantes, laquelle est la plus adaptée pour évaluer un modèle de régression logistique ?

• RMSE (Root Mean Squared Error)

• Courbe ROC et AUC

• R²

• MSE (Mean Squared Error)

Quel est l'effet d'une variable avec un coefficient négatif dans le modèle ?

• Elle diminue la probabilité que la variable cible soit 1

• Elle n'a aucun effet

• Elle rend la régression non valide

• Elle augmente systématiquement la variance

Que signifie un odds ratio égal à 1 pour une variable ?

• Cette variable est très influente

• Cette variable n'a aucun effet sur la variable cible

• Le modèle est mal entraîné

• La variable prédit parfaitement la cible

Pourquoi ne peut-on pas appliquer directement une régression linéaire à une variable cible binaire ?

• Parce que les résultats seraient trop simples

• Parce que la moyenne serait biaisée

• Parce que la sortie pourrait être en dehors de l'intervalle [0,1]

• Parce que les coefficients seraient toujours nuls