MoyenneChoix unique

Question d'entraînement AI-900

Un data scientist dispose d'un jeu de données contenant des informations sur des maisons : superficie (pieds carrés), nombre de chambres, emplacement et prix de vente réel. L'objectif est d'entraîner un modèle qui prédit le prix d'une nouvelle maison en fonction de ces caractéristiques. De quel type de tâche de machine learning s'agit-il ?

Choisissez la meilleure réponse.

Bonne réponse

  • BTEXT: B) Régression

Explication

Il s'agit d'une tâche de régression car l'objectif est de prédire une valeur numérique continue (le prix de vente) sur la base de caractéristiques d'entrée. Les modèles de régression apprennent la relation entre les variables indépendantes (superficie, chambres, emplacement) et une variable dépendante (prix) pour produire un nombre réel. Dans Azure Machine Learning, des algorithmes de régression tels que la régression linéaire, la régression par forêt de décision ou la régression par réseau de neurones conviennent à ce scénario.

Pourquoi chaque option est juste ou fausse

A

Fausse

TEXT: A) Classification

La classification prédit une catégorie discrète, alors que le prix de vente est une valeur numérique continue, de sorte que le modèle doit minimiser l'erreur de régression. La classification convient à la prédiction d'une étiquette telle que le style de maison ou vente/non-vente. Prédire une quantité relève de la régression.

B

Juste

TEXT: B) Régression

La régression prédit une valeur numérique continue, ici le prix de vente, à partir de caractéristiques étiquetées telles que la superficie, les chambres et l'emplacement. Étant donné que la variable cible est quantitative plutôt qu'une classe discrète, la régression satisfait l'exigence d'apprentissage supervisé de l'énoncé, contrairement à la classification qui produirait des catégories.

C

Fausse

TEXT: C) Clustering

Le clustering regroupe des enregistrements non étiquetés par similarité, découvrant une structure sans variable cible. Le jeu de données comprend le prix de vente réel, une étiquette connue à prédire. Le clustering convient aux tâches de segmentation telles que le regroupement de clients par comportement d'achat, où aucune colonne de résultat n'existe.

D

Fausse

TEXT: D) Apprentissage par renforcement

L'apprentissage par renforcement apprend une politique à partir de signaux de récompense par le biais d'une interaction d'essais et d'erreurs avec un environnement ; le jeu de données fournit des exemples étiquetés sans agent ni récompense. Il convient aux problèmes de décision séquentielle tels que les jeux ou la navigation de robots, et non à la prédiction d'un prix continu à partir de caractéristiques fixes.

Pour aller plus loin

La régression prédit une cible numérique continue, de sorte que le modèle apprend une fonction qui associe des caractéristiques telles que la superficie en pieds carrés, le nombre de chambres et l'emplacement encodé à un prix à valeur réelle, en minimisant généralement l'erreur quadratique moyenne. La classification génère plutôt des étiquettes de classe discrètes, le clustering regroupe des données non étiquetées sans cible, et l'apprentissage par renforcement optimise les actions par le biais de signaux de récompense. Une subtilité est que la régression suppose que la distribution de la cible et la structure des erreurs ont de l'importance : des prix asymétriques justifient souvent une transformation logarithmique, et l'évaluation utilise MAE, RMSE ou R au carré plutôt que la précision. En pratique, un modèle immobilier entraîné de cette manière doit également se prémunir contre l'extrapolation, car la prédiction de prix pour des tailles très éloignées de la plage d'entraînement donne des résultats peu fiables, et l'emplacement catégoriel nécessite un encodage approprié pour éviter d'impliquer une distance ordinale entre les quartiers.

À propos de ces questions d'entraînement

Cette question fait partie des questions d'entraînement AI-900 originales de Courseiva, rédigées pour apprendre et jamais copiées d'examens réels ou de dumps.

Traduite de l'original anglais avec l'IA et vérifiée pour le sens. Les codes d'examen, les commandes et les noms de produits sont conservés tels qu'ils apparaissent à l'examen.