Cuestionario: Introduction aux Méthodes de Classification — 9 preguntas

1. Quelles sont les deux étapes du processus de classification ?

A. Nettoyer les données puis supprimer les classes rares

B. Choisir un seuil puis supprimer les observations mal classées

C. Construire le modèle sur les données d’apprentissage puis l’utiliser pour classer de nouvelles données

D. Calculer d’abord l’AUC puis la matrice de confusion

Answer: (C)

Explicación

Le processus se déroule en deux temps : d’abord l’apprentissage du modèle sur le training set, puis son utilisation pour prédire de nouvelles observations. Les autres propositions mélangent des étapes d’évaluation avec l’apprentissage.

2. Dans quel type de problème la classification peut-elle être utilisée ?

A. Calculer la moyenne d’une variable numérique

B. Attribuer un niveau de risque à partir de données démographiques

C. Modifier les variables d’entrée pour les rendre comparables

D. Mesurer la distance entre deux groupes de données

Answer: (B)

Explicación

Le cours cite l’usage de données démographiques pour attribuer une note de risque et estimer une probabilité de maladie. C’est bien un problème de classification, car il s’agit d’assigner une classe ou une étiquette.

3. Quelle affirmation décrit correctement la courbe ROC et l’AUC ?

A. L’AUC mesure le nombre d’erreurs de classification sur le train set

B. La courbe ROC trace le taux de vrais positifs en fonction du taux de faux positifs pour différents seuils, et l’AUC résume cette performance globale

C. La courbe ROC ne dépend pas du seuil de décision

D. La courbe ROC compare uniquement l’accuracy de deux modèles

Answer: (B)

Explicación

La courbe ROC relie le taux de vrais positifs et le taux de faux positifs pour divers seuils de classification, et l’AUC en résume la qualité globale. Quand le seuil baisse, les deux taux ont tendance à augmenter.

4. Quel est le principe d’une validation croisée ?

A. Découper le train set en k sous-ensembles et répéter k évaluations en utilisant à chaque fois un sous-ensemble pour tester

B. Utiliser uniquement le test set pour entraîner plusieurs modèles

C. Conserver une seule découpe fixe des données pour éviter toute variabilité

D. Remplacer la matrice de confusion par une courbe ROC

Answer: (A)

Explicación

La validation croisée entraîne et valide le modèle sur plusieurs découpages possibles du train set, avec k−1 sous-ensembles pour apprendre et 1 pour tester à chaque tour. Cela réduit la dépendance à une seule partition.

5. Que mesure le F1 score ?

A. La surface sous la courbe ROC

B. Une moyenne harmonique entre précision et rappel

C. La proportion totale de bonnes prédictions

D. Le nombre de faux positifs uniquement

Answer: (B)

Explicación

Le F1 score combine précision et rappel via leur moyenne harmonique, ce qui pénalise les déséquilibres entre les deux. Il est utile quand un modèle privilégie la précision et un autre le rappel.

6. Quelle définition décrit le mieux la classification en apprentissage supervisé ?

A. Attribuer à chaque entité une catégorie parmi un ensemble de classes à partir de ses caractéristiques

B. Estimer une valeur continue à partir d’observations passées

C. Réduire la dimension d’un jeu de données pour faciliter l’analyse

D. Regrouper des données sans étiquette en sous-ensembles homogènes

Answer: (A)

Explicación

La classification consiste à prédire l’appartenance d’une entité à une classe parmi plusieurs classes possibles. En apprentissage supervisé, les étiquettes sont connues à l’avance grâce à des exemples annotés.

7. À quoi sert principalement un train test split ?

A. À choisir automatiquement la meilleure classe positive

B. À séparer les données en apprentissage et test pour estimer le taux d’erreur sur des données inconnues

C. À transformer une classification binaire en classification multi-classes

D. À mélanger toutes les données pour améliorer l’accuracy

Answer: (B)

Explicación

Le train test split divise les données en deux ensembles indépendants afin d’évaluer la généralisation du modèle. Le taux d’erreur est alors estimé sur le test, pas sur les données d’apprentissage.

8. Que permet de faire une matrice de confusion ?

A. Calculer la distance entre les observations

B. Estimer la taille optimale du jeu d’apprentissage

C. Choisir directement le meilleur seuil sans autre information

D. Comparer les prédictions du modèle aux classes réelles et dénombrer VP, VN, FP et FN

Answer: (D)

Explicación

La matrice de confusion est un tableau de comptage qui confronte prédictions et classes réelles pour obtenir les vrais positifs, vrais négatifs, faux positifs et faux négatifs. Elle sert de base au calcul de plusieurs indicateurs d’évaluation.

9. Comment se calcule la précision en classification binaire ?

A. Vrais positifs plus vrais négatifs divisés par le total

B. Faux positifs divisés par vrais positifs plus faux positifs

C. Vrais positifs divisés par vrais positifs plus faux négatifs

D. Vrais positifs divisés par vrais positifs plus faux positifs

Answer: (D)

Explicación

La précision mesure la proportion de prédictions positives qui sont réellement correctes, soit VP/(VP+FP). Le rappel, lui, utilise les faux négatifs au dénominateur, ce qui en fait une autre métrique.