Français
Menu

Bases de l'apprentissage automatique

Si l'on effectue une validation croisée à 5 blocs (validation croisée à k blocs avec k = 5) sur 1000 données, combien de données sont utilisées pour chaque apprentissage ?

  1. A200
  2. B800
  3. C1000
Afficher la réponse et l'explication

Réponse : B. 800

La validation croisée à k blocs divise les données en k groupes ; l'un sert à l'évaluation et les k − 1 autres à l'apprentissage. On répète k fois en changeant de groupe d'évaluation, et la moyenne des k évaluations donne les performances du modèle. Avec 5 blocs, chaque groupe contient 1000 ÷ 5 = 200 données ; chaque apprentissage utilise donc 200 × 4 = 800 données, et l'on effectue 5 apprentissages. Comme chaque donnée sert une fois à l'évaluation, on obtient une estimation stable des performances même avec peu de données.

S'entraîner sur ce thème Retour au thème

Autres questions sur Bases de l'apprentissage automatique

  1. Quelle observation est caractéristique d'un surapprentissage (surajustement) ?
  2. Quelle affirmation est correcte lorsque l'on décompose l'erreur d'un modèle en biais et en variance (dispersion) ?
  3. Quelle description des techniques destinées à limiter le surapprentissage, comme la régularisation, est correcte ?
  4. Parmi les procédures suivantes de construction d'un modèle d'apprentissage automatique, laquelle provoque une fuite de données (data leakage, des informations des données d'évaluation qui se glissent dans l'apprentissage) ?
  5. Dans la matrice de confusion d'un modèle de classification binaire évalué sur 200 données de test, on compte 45 vrais positifs (TP), 5 faux positifs (FP), 45 faux négatifs (FN) et 105 vrais négatifs (TN). Quelle combinaison de précision et de rappel est correcte ?