QCM : Introduction au machine learning — 23 questions

Explication

La classification attribue une entrée à une catégorie, comme l’identité d’une personne représentée sur une image. La régression serait adaptée à la prédiction d’une valeur numérique, et non à celle d’une catégorie.

Explication

La régression associe une entrée à une valeur numérique, telle qu’une température future. La classification produirait une catégorie, ce qui ne correspond pas à cette estimation.

Explication

Les autres tâches citées sont la retranscription, la traduction, la détection d’anomalie, la synthèse et le débruitage. Les autres listes regroupent des notions qui ne correspondent pas à l’ensemble présenté.

Explication

La robotique traditionnelle repose sur un automate peu adaptatif, alors qu’un véhicule autonome collabore avec son environnement et les autres usagers. L’idée selon laquelle le véhicule autonome répète une séquence fixe inverse cette distinction.

Explication

En robotique, l’intelligence sert notamment à percevoir l’environnement, anticiper le futur et planifier des actions, ainsi qu’à interpréter les comportements et générer des mouvements. Les autres propositions décrivent des opérations matérielles ou logistiques plutôt que des fonctions d’intelligence.

Explication

Le codage, aussi appelé vecteur de caractéristiques, représente chaque exemple par un vecteur numérique. Une catégorie correspond à la classe de l’exemple et ne constitue pas son codage.

Explication

Dans cet exemple, la représentation en dimension 2 utilise simultanément la taille et la teinte du poisson. La classe indique une catégorie et ne constitue pas l’une des deux caractéristiques de cette représentation.

Explication

Un bon codage distingue fortement les classes, varie peu à l’intérieur d’une même classe, résiste au bruit et conserve une faible dimension. La deuxième proposition décrit précisément des propriétés défavorables pour un codage fiable.

Explication

Une dimension élevée peut conduire à des complexités comme $f(n^2)$, $f(n^3)$ ou même exponentielles. L’idée qu’une dimension élevée simplifie les calculs confond l’effet de la dimension avec celui d’un problème de faible dimension.

Explication

Le nombre requis est $2^n$, donc $2^{20}=1\,048\,576$ exemples. Une multiplication linéaire par le nombre de dimensions, comme $2\times20$, ne représente pas la croissance combinatoire des régions.

Explication

La matrice de covariance possède une structure symétrique et une dimension $n\times n$; ses valeurs caractérisent la forme du nuage de points. La taille de la base de données, $N\times n$, ne détermine pas directement la taille de cette matrice.

Explication

L’ACP construit une projection vers une dimension inférieure qui préserve autant d’information que possible. La sélection de caractéristiques conserve des dimensions initiales, tandis que l’ACP crée de nouveaux axes.

Explication

La standardisation consiste à centrer chaque dimension, ce qui donne une moyenne nulle, puis à diviser par son écart-type, ce qui donne un écart-type égal à un. Centrer et normaliser sont donc deux opérations distinctes et successives.

Explication

Le premier axe principal est le vecteur propre correspondant à la plus grande valeur propre de la matrice de covariance, car il maximise la variance projetée. La plus petite valeur propre correspond à une direction de variance faible et ne définit pas le premier axe.

Explication

La proportion d’inertie conservée est la somme des $d$ premières valeurs propres divisée par la somme de toutes les valeurs propres. Utiliser uniquement $\lambda_d$ néglige les contributions des axes précédents.

Explication

La LDA cherche des directions qui séparent les classes en maximisant le rapport entre variance inter-classe et variance intra-classe. L’ACP vise plutôt à maximiser la variance globale, sans utiliser explicitement les étiquettes de classe.

Explication

La covariance intra-classe est la moyenne pondérée des covariances propres aux classes, avec les proportions comme poids. L’expression fondée sur les écarts entre moyennes décrit la dispersion inter-classe plutôt que la dispersion interne.

Explication

La covariance inter-classe additionne les produits externes des écarts entre chaque moyenne de classe et la moyenne globale, pondérés par les proportions. La somme pondérée des matrices $\Sigma_k$ correspond à la covariance intra-classe.

Explication

Les axes LDA sont les vecteurs propres de $\Sigma_{intra}^{-1}\Sigma_{inter}$, ordonnés selon des valeurs propres décroissantes. Les moyennes et les variances globales ne définissent pas directement ces axes.

Explication

La réduction par projection transforme les variables en nouvelles dimensions obtenues par combinaison linéaire. La sélection réduit l’espace en gardant certaines caractéristiques originales sans les combiner.

Explication

Les méthodes filter évaluent les caractéristiques avant la classification à l’aide d’un critère et retiennent un nombre réduit $d$ par rapport à $n$. L’évaluation directe de la performance d’un classifieur caractérise plutôt les méthodes wrapper.

Explication

Une méthode wrapper teste des sous-ensembles en fonction de leurs performances avec un algorithme d’apprentissage. Une méthode filter utilise plutôt un critère de sélection indépendant de la performance du classifieur.

Explication

Les méthodes filter sont efficaces en calcul, mais elles ne prennent pas en compte les interactions entre caractéristiques ni la performance du classifieur. Les méthodes wrapper peuvent sélectionner de petits sous-ensembles performants, au prix d’un coût de calcul élevé.