Quiz — CHAP2 préparation des données 23_24.pptx

Question 1 sur 10 20:00

[{"id":6789,"question":"Quelle technique permet de supprimer les doublons dans un jeu de données ?","option_a":"Normalisation","option_b":"Filtrage","option_c":"Dédoublonnage","option_d":"Encodage","option_e":"","option_f":"","bonne_reponse":"c","explication":"Le dédoublonnage (ou déduplication) est la technique spécifique pour identifier et supprimer les doublons dans un ensemble de données.","points":1,"type":"qcm","actif":1,"section_id":null,"ordre":0,"_debug_answer_data_type":"string","_debug_answer_data_preview":"{\"correct\": \"c\", \"options\": {\"a\": \"Normalisation\", \"b\": \"Filtrage\", \"c\": \"Dédoublonnage\", \"d\": \"Enc","_debug_options_count":4},{"id":6790,"question":"Une valeur manquante dans un jeu de données peut toujours être remplacée par la moyenne de la colonne.","option_a":"Vrai","option_b":"Faux","option_c":"","option_d":"","option_e":"","option_f":"","bonne_reponse":"b","explication":"Remplacer systématiquement par la moyenne peut fausser l'analyse. Il existe des méthodes plus adaptées comme l'imputation par régression ou l'utilisation de modèles prédictifs.","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":6791,"question":"Quelle méthode permet de transformer des variables catégorielles en variables numériques ?","option_a":"Standardisation","option_b":"Normalisation","option_c":"Encodage one-hot","option_d":"Filtrage","option_e":"","option_f":"","bonne_reponse":"c","explication":"L'encodage one-hot (ou dummy coding) convertit les variables catégorielles en plusieurs variables binaires (0 ou 1) pour les rendre exploitables par des algorithmes numériques.","points":1,"type":"qcm","actif":1,"section_id":null,"ordre":0,"_debug_answer_data_type":"string","_debug_answer_data_preview":"{\"correct\": \"c\", \"options\": {\"a\": \"Standardisation\", \"b\": \"Normalisation\", \"c\": \"Encodage one-hot\", ","_debug_options_count":4},{"id":6792,"question":"La normalisation des données consiste à :","option_a":"Supprimer les valeurs extrêmes","option_b":"Ramener les valeurs dans une plage fixe (ex: [0, 1])","option_c":"Encoder les variables textuelles","option_d":"Filtrer les attributs non pertinents","option_e":"","option_f":"","bonne_reponse":"b","explication":"La normalisation ajuste les valeurs d'une colonne pour qu'elles soient comprises dans un intervalle standardisé, facilitant les comparaisons et les calculs.","points":1,"type":"qcm","actif":1,"section_id":null,"ordre":0,"_debug_answer_data_type":"string","_debug_answer_data_preview":"{\"correct\": \"b\", \"options\": {\"a\": \"Supprimer les valeurs extrêmes\", \"b\": \"Ramener les valeurs dans ","_debug_options_count":4},{"id":6793,"question":"Le nettoyage des données inclut toujours la suppression des valeurs aberrantes.","option_a":"Vrai","option_b":"Faux","option_c":"","option_d":"","option_e":"","option_f":"","bonne_reponse":"b","explication":"La suppression n'est pas toujours la meilleure solution. Selon le contexte, on peut corriger, remplacer ou conserver les valeurs aberrantes après analyse.","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":6794,"question":"Quelle technique permet de réduire le nombre de colonnes dans un jeu de données ?","option_a":"Encodage","option_b":"Normalisation","option_c":"Réduction de dimensionnalité (PCA)","option_d":"Filtrage","option_e":"","option_f":"","bonne_reponse":"c","explication":"La réduction de dimensionnalité, comme l'analyse en composantes principales (PCA), permet de diminuer le nombre de variables tout en conservant l'essentiel de l'information.","points":1,"type":"qcm","actif":1,"section_id":null,"ordre":0,"_debug_answer_data_type":"string","_debug_answer_data_preview":"{\"correct\": \"c\", \"options\": {\"a\": \"Encodage\", \"b\": \"Normalisation\", \"c\": \"Réduction de dimensionnal","_debug_options_count":4},{"id":6795,"question":"Un jeu de données avec 10% de valeurs manquantes est toujours inutilisable.","option_a":"Vrai","option_b":"Faux","option_c":"","option_d":"","option_e":"","option_f":"","bonne_reponse":"b","explication":"Un taux de valeurs manquantes de 10% peut être gérable selon la méthode de traitement choisie et l'importance des données manquantes pour l'analyse.","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":6796,"question":"Quelle méthode est utilisée pour encoder une variable catégorielle avec deux catégories (ex: Oui\/Non) ?","option_a":"Encodage one-hot","option_b":"Encodage binaire","option_c":"Normalisation","option_d":"Filtrage","option_e":"","option_f":"","bonne_reponse":"b","explication":"L'encodage binaire (ou label encoding) assigne 0 à une catégorie et 1 à l'autre, ce qui est plus simple que l'encodage one-hot pour deux catégories.","points":1,"type":"qcm","actif":1,"section_id":null,"ordre":0,"_debug_answer_data_type":"string","_debug_answer_data_preview":"{\"correct\": \"b\", \"options\": {\"a\": \"Encodage one-hot\", \"b\": \"Encodage binaire\", \"c\": \"Normalisation\",","_debug_options_count":4},{"id":6797,"question":"La qualité des données préparées n'a pas d'impact sur les résultats d'une analyse.","option_a":"Vrai","option_b":"Faux","option_c":"","option_d":"","option_e":"","option_f":"","bonne_reponse":"b","explication":"Des données mal préparées (valeurs manquantes, doublons, erreurs) peuvent fausser les résultats d'une analyse ou d'un modèle prédictif.","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":6798,"question":"Quelle étape de la préparation des données consiste à identifier et corriger les incohérences dans les données ?","option_a":"Nettoyage","option_b":"Transformation","option_c":"Filtrage","option_d":"Normalisation","option_e":"","option_f":"","bonne_reponse":"a","explication":"Le nettoyage des données inclut l'identification et la correction des incohérences, des erreurs et des valeurs aberrantes pour garantir la fiabilité des données.","points":1,"type":"qcm","actif":1,"section_id":null,"ordre":0,"_debug_answer_data_type":"string","_debug_answer_data_preview":"{\"correct\": \"a\", \"options\": {\"a\": \"Nettoyage\", \"b\": \"Transformation\", \"c\": \"Filtrage\", \"d\": \"Normali","_debug_options_count":4}]