Contrôle des connaissances

Effectué

Vérifiez vos connaissances

1.

Quelle est la différence entre les modèles de régression classique et les modèles de classification ?

Les modèles de régression fournissent des étiquettes telles que « cerise »/« banane », alors que les modèles de classification calculent des nombres continus

Les modèles de classification et les modèles de régression linéaire sont deux noms désignant la même chose.

Les modèles de classification fournissent des étiquettes telles que « cerise »/« banane », alors que les modèles de régression calculent des nombres continus

2.

Comment pouvons-nous améliorer les performances des modèles dans le monde réel ?

En ajoutant des caractéristiques

L’ajout et la suppression de caractéristiques peuvent être utiles, en fonction de la situation

En supprimant des caractéristiques

3.

Quelle est l’une des raisons pour lesquelles la régression logistique utilise la perte logarithmique plutôt qu’une fonction de coût plus intuitive ?

La perte logarithmique est plus stricte à l’égard des erreurs de modèle même si elles sont proches de la réalité.

C’est la seule façon de calculer l’erreur pour les étiquettes catégoriques.

La perte logarithmique est plus tolérante à l’égard d’une erreur de modèle si celle-ci est proche de la réalité.

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