Régression logistique: testez vos connaissances

Effectuons un test rapide. Pour réussir ce quiz, vous devez répondre correctement à au moins 4 questions.

1. Pourquoi la sortie d'un modèle de régression linéaire est-elle un mauvais prédicteur de probabilité ?

   Il n'a qu'une seule pondération par caractéristique.

   Il n'a qu'une seule valeur de sortie.

   Le paramètre de biais fausse la valeur de sortie.

   Ses prédictions ne sont pas limitées à des valeurs comprises entre 0 et 1.

2. Vrai ou faux: une fonction sigmoïde ne génère jamais la valeur 0 ni la valeur 1.

   Vrai

   Faux

3. Vrai ou faux: L'application d'une régularisation est moins importante pour l'entraînement de modèles de régression logistique que pour l'entraînement de modèles de régression linéaire.

   Vrai

   Faux

4. Quelle option correspond à la régression linéaire et à la régression logistique aux fonctions de perte appropriées pour calculer la perte ?

   Régression linéaire:erreur quadratique moyenne
   Régression logistique:erreur quadratique moyenne

   Régression linéaire:erreur quadratique moyenne
   Régression logistique:erreur absolue moyenne

   Régression linéaire:erreur quadratique moyenne
   Régression logistique:perte logistique

   Régression linéaire:perte logistique
   Régression logistique:erreur quadratique moyenne

5. Quelle technique de régularisation est efficace pour les modèles de régression logistique ?

   Régularisation par abandon

   Arrêt tardif

   Arrêt prématuré

   Descente de gradient

Envoyer les réponses

Ce contenu vous a-t-il été utile ?