Régression linéaire — définition ?
Modèle pour prédire une variable continue.
Régression linéaire — définition?
Modélise relation linéaire entre variables.
Fonction de coût — rôle ?
Mesure l’erreur entre prédictions et vraies valeurs.
Fonction de coût — erreur quadratique?
Mesure l'écart entre prédictions et vrais valeurs.
Descente de gradient — mécanisme ?
Optimise les paramètres en minimisant la fonction de coût.
Solution analytique — équations normales?
Calcul direct de θ via (XᵗX)⁻¹XᵗY.
Descente de gradient — méthode?
Méthode itérative pour minimiser J.
Matrice X — inclut biais?
Oui, ajoute une colonne de 1.
Prédiction — formule?
F = X.θ, avec θ estimé.
Fonction de coût — convexité?
Assure la convergence vers un minimum global.
Testez vos connaissances avec un QCM de 9 questions sur Introduction à la régression linéaire en machine learning.
1. Quelle est la principale fonction de coût utilisée en régression linéaire pour mesurer l'erreur entre la prédiction et la valeur réelle ?
2. Quelle est la formule de la fonction de coût principale en régression linéaire ?
Révisez le cours complet dans la fiche de révision de Introduction à la régression linéaire en machine learning.
Voir la fiche →Bases de données
Bases de données
Programmation
Programmation
Importe ton cours et l'IA génère des flashcards en 30 secondes.
Générateur de flashcards