Machine Learning / AI

Quelle est la différence entre la régularisation L1 et L2 dans les modèles linéaires?

Quelle est la complexité de la solution analytique de la régression linéaire et quand est-elle instable?

Qu'est-ce que la PCA (méthode des composants principaux) ?

Explique la différence entre un arbre de décision et une forêt aléatoire.

Qu'est-ce que le critère de Gini et comment est-il utilisé dans la construction d'arbres de décision?

Que se passe-t-il si le seuil de classification est trop bas?

Sur un échantillon déséquilibré, le rappel du modèle est de 100% et la précision de 1%. Que s'est-il passé?

Pouvez-vous expliquer comment le F1-score est calculé précisément à partir de la précision et du rappel?

Décrivez comment fonctionne la méthode des vecteurs de support (SVM) et sa relation avec les modèles linéaires.

Quelle fonction de perte est utilisée en régression linéaire?

Comment la profondeur de l'arbre influence-t-elle la qualité du modèle et sa capacité de généralisation?

Qu'est-ce que la courbe ROC et comment est-elle utilisée pour évaluer les classificateurs?

Comment améliorer la performance d'un modèle linéaire lors de l'utilisation de caractéristiques catégoriques?

Pourquoi mettre à l'échelle les caractéristiques et quels sont les méthodes d'échelle existantes?

Pouvez-vous expliquer comment le critère de Gini est calculé précisément et comment il influence le choix de la division dans un arbre de décision?

Quelle est la différence entre XGBoost, LightGBM et CatBoost?

Pouvez-vous expliquer plus en détail ce qu'est la précision et le rappel, et comment ils sont liés au score F1 ?

Comment la métrique F1-score aide-t-elle dans les tâches avec des classes déséquilibrées?

Pourquoi peut-on obtenir un ROC-AUC de 0,8 avec un modèle ayant un ROC-AUC de 0,2?

Qu'est-ce que le rappel et la précision?