Bases de l'apprentissage automatique

Une régression logistique fait passer z = 2x − 4 dans la fonction sigmoïde σ(z) = 1 ÷ (1 + e^(−z)) et produit le résultat comme probabilité d'être positif. Quelle est la sortie pour x = 2 ?

  1. A0
  2. B0,5
  3. C1
Afficher la réponse et l'explication

Réponse : B. 0,5

Pour x = 2, z = 2 × 2 − 4 = 0, donc σ(0) = 1 ÷ (1 + e⁰) = 1 ÷ 2 = 0,5. La fonction sigmoïde transforme tout nombre réel en une valeur comprise entre 0 et 1, qui se rapproche de 1 quand z est grand et de 0 quand z est petit. La régression logistique considère cette valeur comme la probabilité d'être positif et sépare deux classes avec un seuil comme 0,5 : malgré le mot « régression » dans son nom, c'est un modèle de classification.

S'entraîner sur ce thème Retour au thème

Autres questions sur Bases de l'apprentissage automatique

  1. Un nœud d'un arbre de décision contient 6 données de la classe A et 4 données de la classe B. Quelle est l'impureté de Gini de ce nœud ?
  2. Quelle affirmation décrit correctement la différence entre le bagging (forêt aléatoire, etc.) et le boosting en apprentissage ensembliste ?
  3. On prédit la classe du point (0 ; 0) du plan par la méthode des k plus proches voisins. Les données d'apprentissage sont les points rouges (1 ; 0), (3 ; 0) et (0 ; −3) et les points bleus (0 ; 2) et (−2 ; 1). Avec la distance euclidienne, quelle combinaison des prédictions pour k = 3 et pour k = 5 est correcte ?
  4. Quelle description de la machine à vecteurs de support (SVM) est correcte ?
  5. 20 % de l'ensemble des e-mails sont des spams. Un certain mot figure dans 50 % des spams et dans 5 % des autres e-mails. Quelle valeur est la plus proche de la probabilité qu'un e-mail contenant ce mot soit un spam ?