Bonjour Natacha je suis toujours le challenge ! Les différentes façons de calculer la distance (euclidien, Manhattan…) peuvent être sélectionnées par la validation croisée ? Est-il possible d’imaginer que sur une typologie de données, l’expérience a démontré que tel calcul de distance est plus approprié ? Merci de ton retour.
Les différentes façons de calculer la distance, telles que la distance euclidienne et la distance de Manhattan, sont des métriques de distance prédéfinies. Elles ne sont généralement pas sélectionnées par la validation croisée, mais plutôt choisies en fonction de la nature des données et du problème spécifique. En effet, il est tout à fait possible d'imaginer que certaines typologies de données peuvent bénéficier d'un calcul de distance particulier. Par exemple, dans le cas de données présentant une structure spatiale régulière, la distance euclidienne peut être plus appropriée. D'autre part, si les données sont sujettes à des valeurs aberrantes ou à des fluctuations importantes, la distance de Manhattan pourrait être préférable.
1_B On choisit le meilleur K en utilisant la validation croisée… 2_Faux KNN est utilisé aussi bien en classification et qu’en régression. 3_B En normalisant les distances, on évite que les poids des points les plus éloignés ne coûtent en temps de calcul ; ce qui rend l’algo plus rapide. Corrigez moi, Svp, si fausse formulation et donc mauvaise compréhension. Autrement, merci pour votre engagement et votre œuvre sacerdotaux.
1-B
2- Faux
3- A
Je ne me lasserai jamais de vous remercier pour vos vidéos 💦
Bravo Henoc, le détail de la réponse dans la vidéo du jour 73 du challenge: ua-cam.com/video/-Bexsf4nmA8/v-deo.html
Merci beaucoup
De Rien Ben
Bonjour Natacha je suis toujours le challenge !
Les différentes façons de calculer la distance (euclidien, Manhattan…) peuvent être sélectionnées par la validation croisée ?
Est-il possible d’imaginer que sur une typologie de données, l’expérience a démontré que tel calcul de distance est plus approprié ?
Merci de ton retour.
Les différentes façons de calculer la distance, telles que la distance euclidienne et la distance de Manhattan, sont des métriques de distance prédéfinies. Elles ne sont généralement pas sélectionnées par la validation croisée, mais plutôt choisies en fonction de la nature des données et du problème spécifique.
En effet, il est tout à fait possible d'imaginer que certaines typologies de données peuvent bénéficier d'un calcul de distance particulier.
Par exemple, dans le cas de données présentant une structure spatiale régulière, la distance euclidienne peut être plus appropriée.
D'autre part, si les données sont sujettes à des valeurs aberrantes ou à des fluctuations importantes, la distance de Manhattan pourrait être préférable.
@@LeCoinStat Super Merci Natacha !
Réponse
1B
2Faux
3 A
1_B
On choisit le meilleur K en utilisant la validation croisée…
2_Faux
KNN est utilisé aussi bien en classification et qu’en régression.
3_B
En normalisant les distances, on évite que les poids des points les plus éloignés ne coûtent en temps de calcul ; ce qui rend l’algo plus rapide.
Corrigez moi, Svp, si fausse formulation et donc mauvaise compréhension.
Autrement, merci pour votre engagement et votre œuvre sacerdotaux.
Presque bon, il faut revoir la dernière réponse. La correction est disponible à la fin de la vidéo du jour 73 ua-cam.com/video/-Bexsf4nmA8/v-deo.html
Question 1- A
Question 2- faux
Question 3-A
Merci pour la participation. Vous avez les réponses dans la vidéo du jour 74
Merci beaucoup
Avec plaisir 😊
Avec plaisir 😊