Quiz — 2009_Book_TheElementsOfStatisticalLearni.pdf

Question 1 sur 10 20:00

[{"id":21309,"question":"Quelle méthode statistique est utilisée pour prédire une variable quantitative continue ?","option_a":"Régression linéaire","option_b":"Classification","option_c":"Clustering","option_d":"Réduction de dimension","option_e":"","option_f":"","bonne_reponse":"a","explication":"La régression linéaire est une méthode d'apprentissage supervisé utilisée pour prédire une variable quantitative continue en fonction de variables explicatives.","points":1,"type":"qcm","actif":1,"section_id":null,"ordre":0,"_debug_answer_data_type":"string","_debug_answer_data_preview":"{\"correct\": \"a\", \"options\": {\"a\": \"Régression linéaire\", \"b\": \"Classification\", \"c\": \"Clustering\",","_debug_options_count":4},{"id":21310,"question":"Dans un problème de classification binaire, quelle métrique est couramment utilisée pour évaluer la performance d'un modèle ?","option_a":"L'erreur quadratique moyenne","option_b":"La précision (accuracy)","option_c":"Le coefficient de corrélation","option_d":"La variance expliquée","option_e":"","option_f":"","bonne_reponse":"b","explication":"La précision (accuracy) est une métrique courante pour évaluer la performance d'un modèle de classification binaire, car elle mesure le pourcentage de prédictions correctes.","points":1,"type":"qcm","actif":1,"section_id":null,"ordre":0,"_debug_answer_data_type":"string","_debug_answer_data_preview":"{\"correct\": \"b\", \"options\": {\"a\": \"L'erreur quadratique moyenne\", \"b\": \"La précision (accuracy)\", \"","_debug_options_count":4},{"id":21311,"question":"Vrai ou Faux ? L'apprentissage non supervisé nécessite des étiquettes (labels) pour les données.","option_a":"Vrai","option_b":"Faux","option_c":"","option_d":"","option_e":"","option_f":"","bonne_reponse":"b","explication":"L'apprentissage non supervisé ne nécessite pas d'étiquettes, car il vise à découvrir des structures cachées dans les données sans supervision.","points":1,"type":"qcm","actif":1,"section_id":null,"ordre":0,"_debug_answer_data_type":"string","_debug_answer_data_preview":"{\"correct\": \"b\", \"options\": {\"a\": \"Vrai\", \"b\": \"Faux\", \"c\": \"\", \"d\": \"\"}}","_debug_options_count":4},{"id":21312,"question":"Quelle technique est utilisée pour réduire la dimensionnalité d'un jeu de données tout en conservant l'information principale ?","option_a":"La régression logistique","option_b":"L'analyse en composantes principales (ACP)","option_c":"Les forêts aléatoires","option_d":"Le boosting","option_e":"","option_f":"","bonne_reponse":"b","explication":"L'analyse en composantes principales (ACP) est une technique de réduction de dimensionnalité qui transforme les données en un espace de dimension inférieure tout en conservant la variance maximale.","points":1,"type":"qcm","actif":1,"section_id":null,"ordre":0,"_debug_answer_data_type":"string","_debug_answer_data_preview":"{\"correct\": \"b\", \"options\": {\"a\": \"La régression logistique\", \"b\": \"L'analyse en composantes princi","_debug_options_count":4},{"id":21313,"question":"Quelle affirmation est vraie concernant les arbres de décision ?","option_a":"Ils sont sensibles au bruit dans les données","option_b":"Ils ne peuvent pas gérer des variables catégorielles","option_c":"Ils sont toujours plus performants que les régressions linéaires","option_d":"Ils nécessitent des données normalisées","option_e":"","option_f":"","bonne_reponse":"a","explication":"Les arbres de décision sont sensibles au bruit dans les données, car ils peuvent surajuster (overfitting) en suivant trop précisément les particularités du jeu d'entraînement.","points":1,"type":"qcm","actif":1,"section_id":null,"ordre":0,"_debug_answer_data_type":"string","_debug_answer_data_preview":"{\"correct\": \"a\", \"options\": {\"a\": \"Ils sont sensibles au bruit dans les données\", \"b\": \"Ils ne peuv","_debug_options_count":4},{"id":21314,"question":"Vrai ou Faux ? Le coefficient de détermination (R²) mesure la qualité d'un modèle de régression.","option_a":"Vrai","option_b":"Faux","option_c":"","option_d":"","option_e":"","option_f":"","bonne_reponse":"a","explication":"Le coefficient de détermination (R²) mesure la proportion de la variance de la variable dépendante expliquée par le modèle de régression. Plus il est proche de 1, meilleure est la qualité du modèle.","points":1,"type":"qcm","actif":1,"section_id":null,"ordre":0,"_debug_answer_data_type":"string","_debug_answer_data_preview":"{\"correct\": \"a\", \"options\": {\"a\": \"Vrai\", \"b\": \"Faux\", \"c\": \"\", \"d\": \"\"}}","_debug_options_count":4},{"id":21315,"question":"Quelle méthode est utilisée pour combiner plusieurs modèles de faible performance en un seul modèle plus performant ?","option_a":"La régression linéaire","option_b":"Le bagging","option_c":"Le clustering","option_d":"La réduction de dimension","option_e":"","option_f":"","bonne_reponse":"b","explication":"Le bagging (Bootstrap Aggregating) est une technique d'ensemble qui combine plusieurs modèles de faible performance pour créer un modèle plus robuste et performant.","points":1,"type":"qcm","actif":1,"section_id":null,"ordre":0,"_debug_answer_data_type":"string","_debug_answer_data_preview":"{\"correct\": \"b\", \"options\": {\"a\": \"La régression linéaire\", \"b\": \"Le bagging\", \"c\": \"Le clustering","_debug_options_count":4},{"id":21316,"question":"Quelle affirmation est fausse concernant les réseaux de neurones ?","option_a":"Ils peuvent modéliser des relations non linéaires","option_b":"Ils nécessitent un grand volume de données pour être efficaces","option_c":"Ils sont toujours plus performants que les méthodes traditionnelles","option_d":"Ils peuvent être entraînés avec des algorithmes comme la rétropropagation","option_e":"","option_f":"","bonne_reponse":"c","explication":"Les réseaux de neurones ne sont pas toujours plus performants que les méthodes traditionnelles, car leur efficacité dépend de la qualité des données, de l'architecture du réseau et des hyperparamètres choisis.","points":1,"type":"qcm","actif":1,"section_id":null,"ordre":0,"_debug_answer_data_type":"string","_debug_answer_data_preview":"{\"correct\": \"c\", \"options\": {\"a\": \"Ils peuvent modéliser des relations non linéaires\", \"b\": \"Ils n","_debug_options_count":4},{"id":21317,"question":"Quelle technique est utilisée pour détecter des anomalies dans un jeu de données ?","option_a":"La régression linéaire","option_b":"L'analyse en composantes principales (ACP)","option_c":"Les forêts isolantes","option_d":"La classification supervisée","option_e":"","option_f":"","bonne_reponse":"c","explication":"Les forêts isolantes (Isolation Forest) sont une technique d'apprentissage non supervisé utilisée pour détecter des anomalies en identifiant les observations qui s'écartent significativement des autres.","points":1,"type":"qcm","actif":1,"section_id":null,"ordre":0,"_debug_answer_data_type":"string","_debug_answer_data_preview":"{\"correct\": \"c\", \"options\": {\"a\": \"La régression linéaire\", \"b\": \"L'analyse en composantes princip","_debug_options_count":4},{"id":21318,"question":"Vrai ou Faux ? La validation croisée est une méthode utilisée pour évaluer la performance d'un modèle.","option_a":"Vrai","option_b":"Faux","option_c":"","option_d":"","option_e":"","option_f":"","bonne_reponse":"a","explication":"La validation croisée est une technique essentielle pour évaluer la performance d'un modèle en le testant sur plusieurs sous-ensembles de données, réduisant ainsi le risque de surajustement.","points":1,"type":"qcm","actif":1,"section_id":null,"ordre":0,"_debug_answer_data_type":"string","_debug_answer_data_preview":"{\"correct\": \"a\", \"options\": {\"a\": \"Vrai\", \"b\": \"Faux\", \"c\": \"\", \"d\": \"\"}}","_debug_options_count":4}]