Contrôle des connaissances

Effectué

Vérifiez vos connaissances

1.

Quel avantage y a-t-il à normaliser les données ?

Apprentissage plus rapide

Suppression plus précise des valeurs manquantes

Identification des algorithmes préférentiels pour l’apprentissage

2.

Lorsqu’un modèle en cours d’apprentissage fonctionne bien sur le jeu d’apprentissage, mais mal sur le jeu de test, que se passe-t-il probablement ?

Un sous-ajustement s’est produit. Le modèle n’est pas suffisamment précis. Vous devez continuer la formation.

Un surajustement s’est produit et votre modèle ne fonctionne pas correctement sur les nouvelles données en dehors de la formation. Vous pouvez arrêter la formation plus tôt ou collecter des données plus diverses.

Votre modèle est correct. Vous devez plutôt utiliser vos données de formation pour tester votre modèle.

3.

Votre modèle doit être utilisé dans une application délicate, où des performances très fiables sont nécessaires. Quelle est la méthode appropriée pour tester la fiabilité des modèles dans des situations difficiles ?

Créer un plus grand jeu d’apprentissage

Appliquer l’approche par exclusion en créant un troisième jeu de données spécial, organisé de façon à inclure des exemples pour lesquels la sortie des modèles doit respecter des seuils de performance.

Surveillez les coûts au cours de la formation. Si vous obtenez une variabilité, vous pouvez arrêter la formation.

Vous devez répondre à toutes les questions avant de vérifier votre travail.