Machine Learning

Question 1

Qu’est ce que la distribution uniforme ?

Answer 1

C’est un champ qui suit une loi uniforme, donc qui à une plage de valeur avec une probabilité équivalente. Par exemple, le dé suit une loi uniforme (1/6 à chaque fois)

Question 2

Qu’est ce qu’une distribution normale ?

Answer 2

C’est un champ qui suit une loi normale, qui, tracée, forme une cloche symétrique, c’est à dire que la plupart des valeurs s’approchent de la moyenne , tandis que les valeurs diminue progressivement à mesure que l’on s’éloigne de la moyenne. > 30 enregistrement, on considère que ça suit une loi normale (sauf si on est sûr que non)

Question 3

Qu’est ce que la MSE ?

Answer 3

Mean Squared Error, la moyenne des carrés des différences des valeurs prédites et des valeurs réelles. On va pouvoir comparer la performance d’une régression linéaire avec ça. Plus c’est bas, meilleure est la prédiction

Question 4

Qu’est ce que le coefficient de détermination ?

Answer 4

R2. Plus le coeff est proche de 1, plus la régression linéaire est pertinente. Donc plus les prédicteurs sont liés à la variable à prédire.

Question 5

Qu’est ce que la phase de prétraitement en machine learning ?

Answer 5

C’est la phase ou on va nettoyer les données, pour les préparer à être utilisée par un modèle.

Question 6

Quelles sont les 2 grandes étapes du data cleaning ?

Answer 6

Gérer les valeurs nulles, supprimer les doublons.

Question 7

Comment gérer les valeurs nulles en data science ?

Answer 7

On peut supprimer les lignes contenant des données vides, on peut calculer les valeurs manquantes en faisant la moyenne (ou la médiane), on peut être plus malin (exemple du calcul d’âge en fonction du surnom M, Mme, Mll…)

Question 8

Quels doublons supprimer en data science ?

Answer 8

On supprime les doublons qui sont sensés être uniques. Pour ce faire, on ne va pas bêtement supprimer les lignes en doublon, on va analyser les colonnes sensées être uniques (ex téléphone, email…)

Question 9

Qu’est ce que la phase de data transform en datas science ?

Answer 9

C’est la phase ou on va normaliser la database, donc mettre à l’échelle les données, encoder les strings et les enums…

Question 10

Quelles sont les 3 principales transformation pour les nombres en data science ?

Answer 10

min-max, Standardisation, Robust scaling

Question 11

Quand utiliser le min-max en data science ?

Answer 11

Quand les données suivent une distribution uniforme

Question 12

Quand utiliser le standardisation en data science ?

Answer 12

Quand les données suivent une distribution normale, que il y a peu de outliers.

Question 13

Quand utiliser le robust scaling en data science ?

Answer 13

Quand les données suivent une distribution normale, et qu’il y a pas mal d’outliers.

Question 14

Qu’est ce qu’un outliers ?

Answer 14

Une valeur aberrante (erreur, anomalie…)

Question 15

Quels sont les 5 principales encodeur pour les strings en datascience ?

Answer 15

LabelEncoder, One-hot-Encoder, BinaryEncoder, OrderEncoder, CountEncoder

Question 16

A quoi sert le LabelEncoder ?

Answer 16

Il transforme un enum en une liste de nombre, et on va venir ajouter ces valeurs dans l’ancienne colonne.

Question 17

A quoi sert le OneHotEncoder ?

Answer 17

Il transform un enum en une liste de nombre. Il va ensuite créer une colonne par nombre différent. La colonne sera un booléen.

Question 18

Pourquoi est il préférable d’utiliser le OneHotEncoder ?

Answer 18

Parce que en faisant un LabelEncoder, on créer un espèce d’ordre dans notre colonne, une hiérarchie dans le nombre. Cela peut tromper notre modèle.

Question 19

Qu’est ce que le BinaryEncoder ?

Answer 19

Comme le LabelEncoder, mais avec des nombres binaires

Question 20

Qu’est ce que le OrderEncoder ?

Answer 20

Comme le LabelEncoder, mais avec un ordre dans les valeurs. (On peut préciser l’ordre)

Question 21

Qu’est ce que le CountEncoder ?

Answer 21

Comme le LabelEncoder mais avec un ordre qui est en fonction du nombre d’occurence de la variable.

Question 22

Qu’est ce que la phase de Data reduce ?

Answer 22

On va enlever les lignes inutiles, les colonnes inutiles, fusionner des lignes, fusionner des colonnes…

Question 23

A quoi sert le modèle régression linéaire ?

Answer 23

Il sert à prédire des variables numériques (prix d’un immeuble, nombre de chambres…)

Question 24

Quelles sont les 2 métrics de la régression linéaire ?

Answer 24

MSE et coefficient de détermination.

Question 25

A quoi sert le modèle de régression logistique ?

Answer 25

Prédire une variable binaire (vivant/mort, malade/sain…)

Question 26

Quelles sont les 5 métrics de la régression logistique ?

Answer 26

Accuracy, precision, recall (rappel), f1-score, matrice de confusion

Question 27

Qu’est ce que l’accuracy dans la régression logistique ?

Answer 27

Représente la capacité du model à prédire le résultat. Entre 0 et 1. 1 étant une prédiction parfaite

Answer 28

M

Question 29

Qu’est ce que le recall dans la régression logistique?

Answer 29

Combien de vrais positifs prédits parmi les positifs réels (l’inverse marche aussi)

Question 30

Qu’est ce que le f1-score ?

Answer 30

Il combine la prediction et le recall, et fais la moyenne.

Question 31

Qu’est ce que la matrice de confusion ?

Answer 31

Compte le nombre de vrais positifs, faux positifs, vrais négatifs, faux négatifs.

Question 32

Qu’est ce que le K-Cross validation ?

Answer 32

Lutte contre l’overfitting. On va diviser notre dataset en petits chunks. On va utiliser ces chunks en les alternants entre le training et le test

Question 33

Qu’est ce que l’overfitting ?

Answer 33

C’est le suraprentissage, c’est un problème qui arrive quand on entraine notre modèle trop souvent sur les mêmes données, en les variants peu. Il devient baisés.