Régression linéaire — définition ?
Modélisation d’une relation linéaire entre deux variables.
Fonction coût — rôle ?
Évaluer l’erreur entre prédictions et valeurs réelles.
Algorithme de gradient — mécanisme ?
Ajuste les paramètres en suivant le gradient pour minimiser la fonction coût.
Variables dépendantes — rôle ?
Variable à expliquer ou prédire dans le modèle.
Variables indépendantes — localisation ?
Variables explicatives utilisées pour modéliser Y.
Représentation graphique — utilité ?
Visualiser la relation entre X et Y pour vérifier la linéarité.
Modélisation linéaire — objectif ?
Représenter une relation entre variables par une fonction affine.
Prédiction prix surface — méthode ?
Utiliser la régression linéaire pour estimer le prix à partir de la surface.
Apprentissage supervisé — définition ?
Modèle entraîné sur des exemples étiquetés avec leur réponse.
Fonction de perte quadratique — formule ?
MSE = moyenne des carrés des écarts entre prédictions et valeurs réelles.
Descente de gradient — principe ?
Mettre à jour les paramètres dans la direction opposée au gradient.
Variable dépendante — rôle ?
Variable à prédire ou expliquer dans le modèle.
Variable indépendante — rôle ?
Variable utilisée pour expliquer la dépendante.
Représentation graphique — étape clé ?
Vérifier la tendance linéaire des données.
Modélisation linéaire — lien avec régression ?
La régression linéaire est une application de la modélisation linéaire.
Prédiction prix surface — exemple ?
Estimer le loyer d’un appartement à partir de sa surface.
Apprentissage supervisé — caractéristique ?
Utilise des données avec réponses correctes pour apprendre.
Fonction de perte quadratique — avantage ?
Pénalise fortement les erreurs importantes.
Descente de gradient — propriété ?
Converge vers le minimum si la fonction est convexe.
Régression simple — différence ?
Utilise une seule variable indépendante.
Teste tes connaissances avec un QCM de 10 questions sur Introduction à la régression linéaire simple.
1. Qu'est-ce que la régression linéaire simple ?
2. Quel auteur a souligné que la fonction coût doit être minimisée pour améliorer la précision du modèle en régression linéaire ?
Révisez le cours complet dans la fiche de révision de Introduction à la régression linéaire simple.
Voir la fiche →Importe ton cours et l'IA génère des flashcards en 30 secondes.
Générateur de flashcards