Quiz: Clustering et réduction dimensionnelle — 7 Fragen

1. Quelle affirmation correspond au sujet « Mesures de distance utilisées en clustering » ?

A. Inter-classe : Séparation Les clusters différents doivent être les plus éloignés possible les uns des autres

B. Clustering : À retenir ◆ Le clustering regroupe des données sans supervision : les classes ne sont pas connues à l'avance

C. L'apprentissage non supervisé consiste à découvrir seul la structure cachée dans les données sans étiquettes fournies

D. Distance Euclidienne : Mesure de distance calculée comme la racine carrée de la somme des carrés des différences entre les coordonnées correspondantes de deux points

Answer: (D)

Erklärung

Cette affirmation est directement issue de la partie du cours consacrée à ce sujet : Distance Euclidienne : Mesure de distance calculée comme la racine carrée de la somme des carrés des différences entre les coordonnées correspondantes de deux points.

2. Qu'est-ce que le clustering en apprentissage non supervisé ?

A. Une technique qui regroupe des données sans supervision

B. Une méthode pour étiqueter automatiquement des données

C. Une procédure pour réduire la dimension des données

D. Une méthode pour classer des données avec des étiquettes

Answer: (A)

Erklärung

Le clustering regroupe des données sans supervision : les classes ne sont pas connues à l'avance.

3. Quelle affirmation correspond au sujet « Principes et applications du clustering en apprentissage non supervisé » ?

A. Choix de la distance : Décision fondamentale qui influence la qualité du clustering et dépend des caractéristiques spécifiques des données à analyser

B. Inter-classe : Séparation Les clusters différents doivent être les plus éloignés possible les uns des autres

C. Distance Euclidienne : Mesure de distance calculée comme la racine carrée de la somme des carrés des différences entre les coordonnées correspondantes de deux points

D. La distance Manhattan (L1) est la somme des valeurs absolues des différences de coordonnées

Answer: (B)

Erklärung

Cette affirmation est directement issue de la partie du cours consacrée à ce sujet : Inter-classe : Séparation Les clusters différents doivent être les plus éloignés possible les uns des autres.

4. Qu'est-ce que l'algorithme K-means ?

A. Un algorithme basé sur la réduction de dimension

B. Un algorithme qui optimise la classification supervisée

C. Un algorithme pour la sélection de caractéristiques

D. Un algorithme de clustering qui alterne assignation et recalcul des centroïdes

Answer: (D)

Erklärung

K-means est un algorithme de clustering qui alterne l'assignation des points au cluster le plus proche et le recalcul des centroïdes jusqu'à stabilisation, selon la source.

5. Quelle est la description correcte de la méthode de la Classification Ascendante Hiérarchique (CAH) ?

A. Elle construit une hiérarchie de clusters en séparant les groupes les plus éloignés.

B. Elle commence avec un seul cluster et le divise en sous-clusters successifs.

C. Elle utilise une approche top-down en divisant le dataset en sous-ensembles.

D. Elle fusionne itérativement les clusters les plus proches jusqu'à n'en avoir qu'un.

Answer: (D)

Erklärung

La CAH est une méthode bottom-up qui fusionne itérativement les clusters les plus proches jusqu'à ce qu'il n'en reste qu'un, ce qui correspond à la description choisie.

6. Qu'est-ce que le coefficient de silhouette en évaluation du clustering ?

A. Une mesure de la densité des clusters

B. Une métrique pour déterminer la distance moyenne entre tous les points

C. Une valeur qui indique la qualité de l'affectation d'un point à son cluster, allant de -1 à +1

D. Une méthode pour calculer l'inertie intra-classe

Answer: (C)

Erklärung

Le coefficient de silhouette varie de -1 à +1 et indique la qualité de l'affectation d'un point à son cluster, une valeur proche de +1 étant favorable.

7. Dans quel domaine le clustering K-means est-il utilisé pour regrouper les clients selon leurs habitudes d'achat ?

A. Urbanisme pour le regroupement de communes

B. Biologie pour l'expression génétique

C. Sécurité informatique pour la détection d'intrusions

D. E-commerce pour la segmentation des clients

Answer: (D)

Erklärung

Le texte indique que 'En e-commerce, K-means segmente les clients selon leurs habitudes d'achat', ce qui correspond à la réponse 3.