1 -
Combien de paramètres apprend-t-on dans une régression linéaire univariée ?
Une seule réponse possible
2 -
Si l'erreur d'un modèle est bien inférieure sur l'ensemble d'entraînement à l'erreur sur l'ensemble de validation, cela caractérise un :
Une seule réponse possible
3 -
Quelles métriques sont couramment utilisées en évaluation d'une régression ?
Plusieurs réponses possibles
4 -
En notant VP, FP, VN, FN resp. les vrais positifs, FAUXpositifs, vrais négatifs et FAUXnégatifs, la précision est :
Une seule réponse possible
5 -
En notant VP, FP, VN, FN resp. les vrais positifs, FAUXpositifs, vrais négatifs et FAUXnégatifs, le rappel est :
Une seule réponse possible
6 -
Pendant la descente de gradient, quelles sont les conditions nécessaires pour que la solution trouvée soit optimale ?
Plusieurs réponses possibles
7 -
Pendant une descente de gradient, un pas d'apprentissage trop petit peut entraîner :
Une seule réponse possible
8 -
Pendant une descente de gradient, un pas d'apprentissage trop grand peut entraîner :
Une seule réponse possible
9 -
Un modèle aléatoire risque de souffrir :
Plusieurs réponses possibles
10 -
Un modèle sur-appris risque de souffrir :
Une seule réponse possible
11 -
Un modèle sous-appris risque de souffrir :
Une seule réponse possible
12 -
Dans l’espace ROC, que représente l’axe des ordonnées ?
Une seule réponse possible
13 -
Dans l’espace ROC, que représente l’axe des abscisses ?
Une seule réponse possible
14 -
Dans la régression logistique, le pas d’apprentissage est :
Une seule réponse possible
15 -
Quel est l’intervalle de sortie d’une régression linéaire ? Et d’une régression logistique ?
Une seule réponse possible
