Cette page vous invite à répondre à une série d'exercices à choix multiples sur le contenu abordé dans l'unité "Arbre de décision pour l'entraînement".
Question 1
Quels sont les effets du remplacement des caractéristiques numériques par leurs valeurs négatives (par exemple, en remplaçant la valeur +8 par -8) par le séparateur numérique exact ?
Les mêmes conditions seront apprises ; seuls les enfants positifs/négatifs seront migrés.
Parfait.
Différentes conditions seront apprises, mais la structure globale de l'arbre de décision restera la même.
Si les caractéristiques changent, les conditions changent.
La structure de l'arbre de décision sera complètement différente.
La structure de l'arbre de décision sera à peu près identique. Les conditions changeront cependant.
Question 2
Quelles sont les deux réponses qui décrivent le mieux l'effet que doit effectuer le test de la moitié (de manière aléatoire) sur les valeurs des seuils candidats dans X ?
Le gain d'informations serait plus élevé ou égal.
Le gain d'informations serait inférieur ou égal.
Bien joué.
La précision du test de l'arbre de décision final serait moins bonne.
L'arbre de décision final n'offrirait pas une meilleure précision d'entraînement.
Bien joué.
Question 3
Que se passerait-il si la courbe d'augmentation et de seuil d'informations gagnait plusieurs valeurs maximales locales ?
Il est impossible d'utiliser plusieurs valeurs maximales au niveau local.
Plusieurs valeurs maximales locales sont possibles.
L'algorithme sélectionne la valeur maximale maximale ayant la plus petite valeur de seuil.
L'algorithme sélectionne le maximum global.
Bien joué.
Question 4
Calculez le gain d'informations de la répartition suivante:
| Nœud | Nombre d'exemples positifs | Nombre d'exemples négatifs |
|---|---|---|
| nœud parent | 10 | 6 |
| premier enfant | 8 | 2 |
| deuxième enfant | 2 | 4 |