Cours 13 : Apprentissage statistique et IA Flashcards
Qu’est-ce que la régression linéaire ? (formule)
y = beta_0 + beta_1x + erreur de prédiction
Qu’est-ce que beta_1 signifie ?
La pente de la droite.
Qu’est-ce que beta_0 signifie ?
La valeur de y quand x vaut 0.
Intercept.
Qu’est-ce que l’erreur de prédiction ?
C’est la distance entre la valeur prédite et la valeur réelle.
Quel est l’objectif de la droite de régression ?
Trouver les valeurs des bêtas qui minimisent l’erreur.
Quel est l’objectif de la descente du gradient ?
Trouver les bêtas qui minimisent l’erreur de prédiction.
Quel est l’avantage de la descente du gradient, par rapport à la droite de régression ?
Le temps pour trouver la solution.
Qu’est-ce que la régression multiple ?
Avec deux prédicteurs, nous avons un plan plutôt qu’une droite.
Qu’est-ce que la validation croisée permet d’évaluer ?
Permet d’évaluer la stabilité de l’algorithme quand le test n’est pas inclus dans l’entraînement.
L’apprentissage profond dépend de 2 facteurs. Quels sont-ils ?
- Le nombre de données.
2. La taille des réseaux neuronaux.
Expliquer l’effet d’une taille plus grande de donnée pour l’apprentissage profond.
Le modèle est plus performant. La performance est modulée par la taille des résultats.
Small NN : performance très basse (effet plafond)
Medium NN : performance basse (effet plafond)
Large NN : performance élevée (continue d’augmenter)
Combien d’essais est requis pour apprendre ?
ex : cheval
Un enfant de 2 ans, après 2-3 exemples de chevaux saura discriminé ce qui représente un cheval et ce qui ne représente pas un cheval.
(âne et chameau : difficultés)
Pouvons-nous réduire la réactivité physiologique associé à des animaux suscitant la peur ?
Oui, en fait nous pouvons activé inconsciemment la représentation d’images suscitant de la peur.
Apprentissage réduction phobie.
