Pourquoi tester un modèle uniquement sur ses données d’entraînement est-il insuffisant ?
Cela ne révèle pas s’il généralise ou s’il mémorise les données.
À quoi sert le jeu d’entraînement, selon Jason Brownlee ?
Il sert à ajuster le modèle, qui apprend à partir de ces données.
Comment la validation croisée K-fold répartit-elle les rôles des plis entre les répétitions ?
Chaque pli sert une fois à la validation, tandis que les autres servent à l’entraînement.
Quelles valeurs de k sont généralement privilégiées en validation croisée ?
5 ou 10, sans être obligatoires.
Qu’est-ce que le surapprentissage et à quel défaut est-il associé ?
Un ajustement excessif aux données d’entraînement, associé à une variance élevée.
À quel défaut des erreurs d’entraînement et de test élevées et proches correspondent-elles ?
À un biais élevé.
Que pénalise la régularisation L2 dans un modèle ?
La somme des carrés de ses paramètres.
Quelle formule définit le coût régularisé du modèle ?
Quelle grandeur la MSE calcule-t-elle à partir des prédictions et des valeurs réelles ?
La moyenne des carrés des écarts entre prédictions et valeurs réelles.
Quelle formule définit la MSE pour observations ?
Teste tes connaissances avec un QCM de 11 questions sur Apprentissage automatique : données et évaluation.
1. Un modèle obtient d’excellents résultats lorsqu’il est évalué sur les mêmes exemples que ceux utilisés pour son entraînement. Quelle conclusion cette évaluation permet-elle de tirer sur sa capacité à généraliser ?
2. Pendant le développement d’un modèle, une équipe consulte régulièrement les performances sur un échantillon réservé afin d’ajuster les hyperparamètres. Quel rôle joue cet échantillon ?
Révisez le cours complet dans la fiche de révision de Apprentissage automatique : données et évaluation.
Voir la fiche →Importe ton cours et l'IA génère des flashcards en 30 secondes.
Générateur de flashcards