Français
Menu

Bases de l'apprentissage automatique

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) ?

  1. ACalculer la moyenne et l'écart type servant à la standardisation sur les seules données d'apprentissage, et standardiser les données de validation et de test avec ces mêmes valeurs
  2. BCalculer la moyenne et l'écart type servant à la standardisation sur l'ensemble des données, standardiser, puis séparer les données d'apprentissage et de test
  3. CSéparer une série temporelle en prenant comme données d'apprentissage ce qui précède une certaine date, et comme données de test ce qui suit
Afficher la réponse et l'explication

Réponse : B. Calculer la moyenne et l'écart type servant à la standardisation sur l'ensemble des données, standardiser, puis séparer les données d'apprentissage et de test

Une fuite de données se produit lorsque des informations qui ne seraient pas disponibles au moment de la prédiction, ou des informations des données d'évaluation, s'introduisent dans le processus d'apprentissage. Si l'on calcule la moyenne et l'écart type sur l'ensemble des données avant de les séparer, les statistiques des données de test servent à l'apprentissage par l'intermédiaire du prétraitement, et les performances risquent d'être surestimées. La bonne procédure consiste à calculer les paramètres du prétraitement sur les seules données d'apprentissage, puis à appliquer ces valeurs aux données de validation et de test. Pour une série temporelle, une séparation aléatoire reviendrait à prédire le passé avec des informations du futur ; on sépare donc les données dans l'ordre chronologique.

S'entraîner sur ce thème Retour au thème

Autres questions sur Bases de l'apprentissage automatique

  1. 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 ?
  2. Un modèle de classification binaire évalué sur 200 données de test donne TP = 20, FP = 5, FN = 30 et TN = 145. Quelle valeur est la plus proche du score F1 (F-mesure) ?
  3. Quelle description de la courbe ROC et de l'AUC, utilisées pour évaluer un modèle de classification binaire, est correcte ?
  4. Sur des données qui ne comptent que 10 positifs sur 1000, quelle est l'exactitude d'un modèle qui prédit tout comme négatif ?
  5. Les valeurs réelles de 4 données sont 3, 5, 2 et 6, et les valeurs prédites par le modèle sont respectivement 2, 5, 4 et 4. Quelle est l'erreur quadratique moyenne (MSE) ?