Diagnostic de départ

Neuf questions pour cibler votre préparation

Ce diagnostic n’est pas une évaluation et n’enregistre aucune réponse. Il fonctionne entièrement dans votre navigateur.

1. Que fait l’opérateur |> en R? Il compare deux objets. Il transmet le résultat de gauche à l’appel de fonction suivant. Il crée automatiquement un graphique.

2. Quelle instruction conserve seulement les lignes où x n’est pas manquant? select(!is.na(x)) mutate(!is.na(x)) filter(!is.na(x))

3. Quel objet contient les lignes utilisées pour ajuster un modèle après initial_split()? training(split) testing(split) predict(split)

4. Dans une régression multiple, un coefficient décrit généralement… une preuve de causalité. la corrélation brute entre deux variables. une différence moyenne attendue, les autres variables du modèle étant maintenues constantes.

5. Dans une régression logistique, exp(beta) correspond à… une différence de probabilités. un rapport de cotes. une exactitude.

6. Un résidu est… la différence entre une valeur observée et une valeur ajustée. un coefficient non significatif. une observation automatiquement erronée.

7. Pourquoi ne choisit-on pas un modèle avec sa performance sur les données d’entraînement? Parce que R interdit ce calcul. Parce que cette performance est toujours nulle. Parce qu’elle peut être optimiste et favoriser le surajustement.

8. À quoi sert principalement une validation hors échantillon? À supprimer les valeurs manquantes. À estimer une performance sur des données non utilisées pour ajuster le modèle et à comparer des choix. À prouver qu’un modèle est causal.

9. Quel exemple constitue une fuite d’information? Normaliser les prédicteurs avec l’ensemble complet avant la séparation train-test. Stratifier la séparation selon la classe réponse. Fixer une graine aléatoire avant l’échantillonnage.

Réponses commentées

Afficher les explications

L’opérateur transmet le résultat de gauche à l’appel suivant.
filter() conserve des lignes selon une condition.
training() extrait les données d’entraînement.
Un coefficient multiple s’interprète conditionnellement aux autres variables incluses.
L’exponentielle d’un coefficient logistique donne un rapport de cotes.
Un résidu compare l’observation à l’ajustement du modèle.
La performance d’entraînement peut être trop optimiste.
Une validation hors échantillon estime la performance sur des observations qui n’ont pas servi à ajuster le modèle. Lorsque le temps compte, les observations de validation devraient être postérieures à celles d’entraînement.
Toute transformation apprise avant la séparation peut transmettre de l’information du test vers l’entraînement.